التشغيل السريع لنظام التشغيل iOS

يتيح لك LiteRT تشغيل نماذج TensorFlow وPyTorch وJAX في تطبيقات iOS. يوفّر نظام LiteRT بيئات تنفيذ مُعدّة مسبقًا وقابلة للتخصيص لتشغيل النماذج على iOS بسرعة وكفاءة، مع مرونة إضافية لإدارة الإصدارات والعناصر المفوَّضة الاختيارية، مثل coreML وMetal لتحسين الأداء.

على سبيل المثال، تطبيقات iOS التي تستخدِم LiteRT، يُرجى الاطّلاع على مستودع عيّنات LiteRT.

إضافة LiteRT إلى مشروع Swift أو Objective-C

يوفّر LiteRT مكتبات iOS الأصلية المكتوبة بلغتَي Swift و Objective-C.

توضِّح الأقسام أدناه كيفية إضافة LiteRT Swift أو Objective-C إلى مشروعك:

مطوّرو CocoaPods

في Podfile، أضِف مجموعة LiteRT. بعد ذلك، يمكنك تشغيل pod install.

Swift

use_frameworks!
pod 'TensorFlowLiteSwift'

Objective-C

pod 'TensorFlowLiteObjC'

تحديد الإصدارات

تتوفّر إصدارات ثابتة وإصدارات ليلية لكل من وحدات معالجة TensorFlowLiteSwift وTensorFlowLiteObjC. في حال عدم تحديد قيد على الإصدار كما هو الحال في الأمثلة أعلاه، سيجلب CocoaPods أحدث إصدار ثابت تلقائيًا.

يمكنك أيضًا تحديد قيد إصدار. على سبيل المثال، إذا أردت الاعتماد على الإصدار 2.10.0، يمكنك كتابة الاعتماد على النحو التالي:

pod 'TensorFlowLiteSwift', '~> 2.10.0'

سيضمن ذلك استخدام أحدث إصدار متاح من TensorFlowLiteSwift pod‏ 2.x.y في تطبيقك. بدلاً من ذلك، إذا كنت تريد الاعتماد على الإصدارات النهارية للمكتبة، يمكنك كتابة ما يلي:

pod 'TensorFlowLiteSwift', '~> 0.0.1-nightly'

اعتبارًا من الإصدار 2.4.0 والإصدارات التجريبية اللاحقة، يتم تلقائيًا استبعاد وحدة معالجة الرسومات ومفوّضِي "تعلُّم الآلة" الأساسيين من الحِزمة لتقليل حجم الملف الثنائي. يمكنك تضمينها من خلال تحديد المواصفات الفرعية:

pod 'TensorFlowLiteSwift', '~> 0.0.1-nightly', :subspecs => ['CoreML', 'Metal']

سيتيح لك ذلك استخدام أحدث الميزات التي تمت إضافتها إلى LiteRT. يُرجى ملاحظة أنّه بعد إنشاء ملف Podfile.lock عند تنفيذ الأمر pod install للمرة الأولى، سيتم قفل إصدار المكتبة الليلي عند الإصدار الحالي للتاريخ. إذا أردت تحديث المكتبة اليومية إلى المكتبة الأحدث، عليك تنفيذ الأمر pod update.

لمزيد من المعلومات عن الطرق المختلفة لتحديد قيود الإصدار، اطّلِع على مقالة تحديد إصدارات الوحدات.

مطوّرو Bazel

في ملف BUILD، أضِف التبعية TensorFlowLite إلى الهدف.

Swift

swift_library(
  deps = [
      "//tensorflow/lite/swift:TensorFlowLite",
  ],
)

Objective-C

objc_library(
  deps = [
      "//tensorflow/lite/objc:TensorFlowLite",
  ],
)

واجهة برمجة التطبيقات C/C++

بدلاً من ذلك، يمكنك استخدام C API أو C++ API.

# Using C API directly
objc_library(
  deps = [
      "//tensorflow/lite/c:c_api",
  ],
)

# Using C++ API directly
objc_library(
  deps = [
      "//tensorflow/lite:framework",
  ],
)

استيراد المكتبة

بالنسبة إلى ملفات Swift، استورِد وحدة LiteRT:

import TensorFlowLite

بالنسبة إلى ملفات Objective-C، استورِد العنوان العام:

#import "TFLTensorFlowLite.h"

أو الوحدة إذا ضبطت CLANG_ENABLE_MODULES = YES في مشروع Xcode:

@import TFLTensorFlowLite;