Este aplicativo de exemplo usa a classificação de imagens para classificar continuamente qualquer item vista pela câmera traseira do dispositivo, mostrando a parte superior classificações. Ela permite que o usuário escolha entre um ponto flutuante ou quantizado e selecione o número de linhas de execução em que a inferência será realizada.
Adicionar o LiteRT ao seu projeto do Swift ou Objective-C
A LiteRT oferece bibliotecas iOS nativas escritas em Swift e Objective-C:
As seções abaixo demonstram como adicionar o LiteRT Swift ou Objective-C ao seu projeto:
Desenvolvedores de CocoaPods
No seu Podfile
, adicione o pod LiteRT. Em seguida, execute pod install
.
Swift
use_frameworks!
pod 'TensorFlowLiteSwift'
Objective-C
pod 'TensorFlowLiteObjC'
Especificar versões
Há versões estáveis e versões noturnas disponíveis para ambos
pods TensorFlowLiteSwift
e TensorFlowLiteObjC
. Se você não especificar um
como nos exemplos acima, o CocoaPods extrai a versão mais recente
versão estável por padrão.
Também é possível especificar uma restrição de versão. Por exemplo, se você quiser depender versão 2.10.0, você pode gravar a dependência como:
pod 'TensorFlowLiteSwift', '~> 2.10.0'
Isso garante a versão 2.x.y mais recente disponível do TensorFlowLiteSwift
.
pod é usado no seu app. Como alternativa, se você quiser depender do horário
builds, você pode escrever:
pod 'TensorFlowLiteSwift', '~> 0.0.1-nightly'
Da versão 2.4.0 e dos lançamentos noturnos mais recentes, por padrão GPU e Core ML delegados são excluído do pod para reduzir o tamanho do binário. Você pode incluí-las por especificando a subespecificação:
pod 'TensorFlowLiteSwift', '~> 0.0.1-nightly', :subspecs => ['CoreML', 'Metal']
Isso permitirá que você use os recursos mais recentes adicionados ao LiteRT. Observação
que, assim que o arquivo Podfile.lock
for criado, quando você executar o comando pod install
pela primeira vez, a versão da biblioteca noturna será bloqueada na configuração
da data. Caso queira atualizar a biblioteca noturna para a mais recente,
deve executar o comando pod update
.
Para mais informações sobre diferentes maneiras de especificar restrições de versão, consulte Como especificar o pod padrão.
Desenvolvedores do Bazel
No arquivo BUILD
, adicione a dependência TensorFlowLite
ao destino.
Swift
swift_library(
deps = [
"//tensorflow/lite/swift:TensorFlowLite",
],
)
Objective-C
objc_library(
deps = [
"//tensorflow/lite/objc:TensorFlowLite",
],
)
API C/C++
Como alternativa, você pode usar C API ou C++ API
# Using C API directly
objc_library(
deps = [
"//tensorflow/lite/c:c_api",
],
)
# Using C++ API directly
objc_library(
deps = [
"//tensorflow/lite:framework",
],
)
Importar a biblioteca
Para arquivos Swift, importe o módulo LiteRT:
import TensorFlowLite
Para arquivos Objective-C, importe o cabeçalho "umbrella":
#import "TFLTensorFlowLite.h"
Ou o módulo, se você definir CLANG_ENABLE_MODULES = YES
no seu projeto do Xcode:
@import TFLTensorFlowLite;