Google Play 服务 C API 中的 LiteRT（Beta 版）

Google Play 服务运行时中的 LiteRT 可让您 学习 (ML) 模型，而无需将 LiteRT 库静态捆绑到 。本指南介绍了如何使用适用于 Google 的 C API Play 服务。

在 Google Play 服务 C API 中使用 LiteRT 之前，请确保 您已安装 CMake 构建工具。

更新构建配置

将以下依赖项添加到您的应用项目代码中，以访问 Play 适用于 LiteRT 的服务 API：

implementation "com.google.android.gms:play-services-tflite-java:16.2.0-beta02"

然后，启用 预制件 功能，通过更新 android 代码块，从 CMake 脚本访问 C API （包含在模块的 build.gradle 文件中）：

buildFeatures {
  prefab = true
}

您最终需要添加导入的软件包 tensorflowlite_jni_gms_client 从 AAR 将其作为依赖项添加到 CMake 脚本中：

find_package(tensorflowlite_jni_gms_client REQUIRED CONFIG)

target_link_libraries(tflite-jni # your JNI lib target
        tensorflowlite_jni_gms_client::tensorflowlite_jni_gms_client
        android # other deps for your target
        log)

# Also add -DTFLITE_IN_GMSCORE -DTFLITE_WITH_STABLE_ABI
# to the C/C++ compiler flags.

add_compile_definitions(TFLITE_IN_GMSCORE)
add_compile_definitions(TFLITE_WITH_STABLE_ABI)

初始化 LiteRT 运行时

在调用 LiteRT Native API 之前，必须先初始化 TfLiteNative 运行时。

Task tfLiteInitializeTask = TfLiteNative.initialize(context);
      

val tfLiteInitializeTask: Task = TfLiteNative.initialize(context)
        

使用 Google Play 服务 Task API，TfLiteNative.initialize 将 TFLite 运行时从 Google Play 服务异步加载到您的 应用的运行时进程使用 addOnSuccessListener() 确保 TfLite.initialize() 任务在执行代码之前完成， LiteRT API。成功完成任务后，您可以调用 所有可用的 TFLite 原生 API。

原生代码实现

如需通过原生代码在 Google Play 服务中使用 LiteRT，您可以执行以下操作： 以下项之一：

• 声明新的 JNI 函数以从 Java 代码中调用原生函数
• 从现有的原生 C 代码调用 LiteRT 原生 API。

JNI 函数：

您可以声明新的 JNI 函数，使 LiteRT 运行时声明 使用 Java/Kotlin 的代码访问任意原生代码，如下所示：

package com.google.samples.gms.tflite.c;

public class TfLiteJni {
  static {
    System.loadLibrary("tflite-jni");
  }
  public TfLiteJni() { /**/ };
  public native void loadModel(AssetManager assetManager, String assetName);
  public native float[] runInference(float[] input);
}
      

package com.google.samples.gms.tflite.c

class TfLiteJni() {
  companion object {
    init {
      System.loadLibrary("tflite-jni")
    }
  }
  external fun loadModel(assetManager: AssetManager, assetName: String)
  external fun runInference(input: FloatArray): FloatArray
}
        

匹配以下 loadModel 和 runInference 原生函数：

#ifdef __cplusplus
extern "C" {
#endif

void Java_com_google_samples_gms_tflite_c_loadModel(
  JNIEnv *env, jobject tflite_jni, jobject asset_manager, jstring asset_name){
  //...
}

jfloatArray Java_com_google_samples_gms_tflite_c_TfLiteJni_runInference(
  JNIEnv* env, jobject tfliteJni, jfloatArray input) {
  //...
}

#ifdef __cplusplus
}  // extern "C".
#endif

然后，您可以从 Java/Kotlin 代码调用 C 函数：

tfLiteHandleTask.onSuccessTask(unused -> {
    TfLiteJni jni = new TfLiteJni();
    jni.loadModel(getAssets(), "add.bin");
    //...
});
    

tfLiteHandleTask.onSuccessTask {
    val jni = TfLiteJni()
    jni.loadModel(assets, "add.bin")
    // ...
}
      

C 代码中的 LiteRT

添加相应的 API 头文件，以便在 Google Play 中包含 TfLite 服务 API：

#include "tensorflow/lite/c/c_api.h"

然后，您可以使用常规的 LiteRT C API：

auto model = TfLiteModelCreate(model_asset, model_asset_length);
// ...
auto options = TfLiteInterpreterOptionsCreate();
// ...
auto interpreter = TfLiteInterpreterCreate(model, options);

带有 Google Play 服务原生 API 标头的 LiteRT 提供 与常规 API 相同的 API LiteRT C API，不包括 已弃用或实验性功能目前这些函数和类型 （来自 c_api.h、c_api_types.h 和 common.h 标头）。请 请注意，不支持 c_api_experimental.h 标头中的函数。

您可以通过执行以下操作，将 LiteRT 特有的功能与 Google Play 服务搭配使用 包括tflite.h。