Fillimi i shpejtë i iOS

LiteRT ju lejon të ekzekutoni modelet TensorFlow, PyTorch dhe JAX në aplikacionet tuaja iOS. Sistemi LiteRT ofron mjedise ekzekutimi të parandërtuara dhe të personalizueshme për ekzekutimin e modeleve në iOS shpejt dhe me efikasitet, me fleksibilitet shtesë për menaxhimin e versioneve dhe delegon opsionalisht coreML dhe Metal për performancë të përmirësuar.

Për shembull, aplikacionet iOS që përdorin LiteRT, shihni depon e mostrave të LiteRT .

Shtoni LiteRT në projektin tuaj Swift ose Objective-C

LiteRT ofron biblioteka amtare iOS të shkruara në Swift dhe Objective-C .

Seksionet më poshtë tregojnë se si të shtoni LiteRT Swift ose Objective-C në projektin tuaj:

Zhvilluesit e CocoaPods

Në Podfile tuaj Pod, shtoni podin LiteRT. Më pas, ekzekutoni pod install .

Swift

use_frameworks!
pod 'TensorFlowLiteSwift'

Objektivi-C

pod 'TensorFlowLiteObjC'

Specifikimi i versioneve

Ekzistojnë lëshime të qëndrueshme dhe lëshime të natës të disponueshme për të dyja TensorFlowLiteSwift dhe TensorFlowLiteObjC pods. Nëse nuk specifikoni një kufizim versioni si në shembujt e mësipërm, CocoaPods do të tërheqë versionin më të fundit të qëndrueshëm si parazgjedhje.

Ju gjithashtu mund të specifikoni një kufizim versioni. Për shembull, nëse dëshironi të vareni nga versioni 2.10.0, mund ta shkruani varësinë si:

pod 'TensorFlowLiteSwift', '~> 2.10.0'

Kjo do të sigurojë që versioni më i fundit i disponueshëm 2.xy i pod TensorFlowLiteSwift të përdoret në aplikacionin tuaj. Përndryshe, nëse dëshironi të vareni nga ndërtimet e natës, mund të shkruani:

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

Nga versioni 2.4.0 dhe lëshimet më të fundit të natës, si parazgjedhje delegatët e GPU dhe Core ML përjashtohen nga pod për të zvogëluar madhësinë binare. Ju mund t'i përfshini ato duke specifikuar nënspeci:

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

Kjo do t'ju lejojë të përdorni veçoritë më të fundit të shtuara në LiteRT. Vini re se sapo të krijohet skedari Podfile.lock kur të ekzekutoni komandën pod install për herë të parë, versioni i bibliotekës së natës do të kyçet në versionin e datës aktuale. Nëse dëshironi të përditësoni bibliotekën e natës në atë më të re, duhet të ekzekutoni komandën pod update .

Për më shumë informacion mbi mënyra të ndryshme të specifikimit të kufizimeve të versionit, shihni Specifikimi i versioneve të pod .

Zhvilluesit e Bazel

Në skedarin tuaj BUILD , shtoni varësinë TensorFlowLite në objektivin tuaj.

Swift

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

Objektivi-C

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

C/C++ API

Përndryshe, mund të përdorni C API ose C++ API

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

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

Importoni bibliotekën

Për skedarët Swift, importoni modulin LiteRT:

import TensorFlowLite

Për skedarët Objective-C, importoni kokën e ombrellës:

#import "TFLTensorFlowLite.h"

Ose, moduli nëse vendosni CLANG_ENABLE_MODULES = YES në projektin tuaj Xcode:

@import TFLTensorFlowLite;