Aplikasi contoh ini menggunakan klasifikasi gambar untuk terus mengklasifikasikan gambar apa pun melihat dari kamera belakang perangkat, yang menampilkan probabilitas klasifikasi. Hal ini memungkinkan pengguna untuk memilih antara {i>floating point<i} atau terkuantisasi dan memilih jumlah thread yang akan digunakan untuk melakukan inferensi.
Menambahkan LiteRT ke project Swift atau Objective-C
LiteRT menawarkan library iOS native yang ditulis dalam Swift dan Objective-C.
Bagian di bawah ini menunjukkan cara menambahkan LiteRT Swift atau Objective-C pada proyek Anda:
Developer CocoaPods
Di Podfile
, tambahkan pod LiteRT. Lalu, jalankan pod install
.
Swift
use_frameworks!
pod 'TensorFlowLiteSwift'
Objective-C
pod 'TensorFlowLiteObjC'
Menentukan versi
Ada rilis stabil dan rilis setiap malam yang tersedia untuk keduanya
TensorFlowLiteSwift
dan TensorFlowLiteObjC
pod. Jika Anda tidak menentukan
batasan versi seperti pada contoh di atas, CocoaPods akan mengambil
stabil secara default.
Anda juga dapat menentukan batasan versi. Misalnya, jika Anda ingin mengandalkan data versi 2.10.0, Anda dapat menulis dependensi sebagai:
pod 'TensorFlowLiteSwift', '~> 2.10.0'
Tindakan ini akan memastikan TensorFlowLiteSwift
versi 2.x.y terbaru yang tersedia
pod digunakan dalam aplikasi Anda. Atau, jika Anda ingin menggunakan
Anda dapat menulis:
pod 'TensorFlowLiteSwift', '~> 0.0.1-nightly'
Dari versi 2.4.0 dan rilis setiap malam terbaru, secara default GPU dan Core ML delegasi tidak disertakan dalam pod untuk mengurangi ukuran biner. Anda dapat menyertakannya dengan menentukan subspec:
pod 'TensorFlowLiteSwift', '~> 0.0.1-nightly', :subspecs => ['CoreML', 'Metal']
Dengan begitu, Anda dapat menggunakan fitur terbaru yang ditambahkan ke LiteRT. Catatan
setelah file Podfile.lock
dibuat saat Anda menjalankan perintah pod install
untuk pertama kalinya, versi library malamnya akan dikunci
versi tanggal. Jika Anda ingin memperbarui {i>library <i}
malam ke versi yang lebih baru, Anda
harus menjalankan perintah pod update
.
Untuk informasi selengkapnya tentang berbagai cara dalam menentukan batasan versi, lihat Menentukan pod versi.
Developer Bazel
Di file BUILD
, tambahkan dependensi TensorFlowLite
ke target Anda.
Swift
swift_library(
deps = [
"//tensorflow/lite/swift:TensorFlowLite",
],
)
Objective-C
objc_library(
deps = [
"//tensorflow/lite/objc:TensorFlowLite",
],
)
API C/C++
Atau, Anda dapat menggunakan C API atau C++ API
# Using C API directly
objc_library(
deps = [
"//tensorflow/lite/c:c_api",
],
)
# Using C++ API directly
objc_library(
deps = [
"//tensorflow/lite:framework",
],
)
Mengimpor library
Untuk file Swift, impor modul LiteRT:
import TensorFlowLite
Untuk file Objective-C, impor header umbrella:
#import "TFLTensorFlowLite.h"
Atau, modul jika Anda menetapkan CLANG_ENABLE_MODULES = YES
dalam project Xcode Anda:
@import TFLTensorFlowLite;