คู่มือเริ่มใช้งาน iOS อย่างรวดเร็ว

LiteRT ช่วยให้คุณเรียกใช้โมเดล TensorFlow, PyTorch และ JAX ในแอป iOS ได้ ระบบ LiteRT มีสภาพแวดล้อมการเรียกใช้ที่สร้างไว้ล่วงหน้าและปรับแต่งได้เพื่อเรียกใช้โมเดลใน iOS อย่างรวดเร็วและมีประสิทธิภาพ พร้อมความยืดหยุ่นเพิ่มเติมสำหรับการจัดการเวอร์ชันและตัวดำเนินการที่ไม่บังคับ เช่น coreML และ Metal เพื่อประสิทธิภาพที่ดียิ่งขึ้น

เช่น แอปพลิเคชัน iOS ที่ใช้ LiteRT โปรดดูที่ที่เก็บตัวอย่าง LiteRT

เพิ่ม LiteRT ลงในโปรเจ็กต์ Swift หรือ Objective-C

LiteRT มีไลบรารี iOS เนทีฟที่เขียนด้วย Swift และ Objective-C

ส่วนด้านล่างจะแสดงวิธีเพิ่ม LiteRT Swift หรือ Objective-C ลงในโปรเจ็กต์

นักพัฒนา CocoaPods

ใน Podfile ให้เพิ่มพ็อด LiteRT จากนั้นเรียกใช้ pod install

Swift

use_frameworks!
pod 'TensorFlowLiteSwift'

Objective-C

pod 'TensorFlowLiteObjC'

การระบุเวอร์ชัน

มีรุ่นเสถียรและรุ่นรายวันสำหรับทั้งพ็อด TensorFlowLiteSwift และ TensorFlowLiteObjC หากคุณไม่ได้ระบุข้อจำกัดเวอร์ชันดังตัวอย่างข้างต้น CocoaPods จะดึงเวอร์ชันเสถียรล่าสุดโดยค่าเริ่มต้น

คุณยังระบุข้อจำกัดเวอร์ชันได้ด้วย เช่น หากต้องการใช้เวอร์ชัน 2.10.0 ให้เขียนข้อมูลต่อไปนี้

pod 'TensorFlowLiteSwift', '~> 2.10.0'

วิธีนี้จะช่วยให้มั่นใจได้ว่าแอปของคุณจะใช้ TensorFlowLiteSwift pod เวอร์ชัน 2.x.y เวอร์ชันล่าสุดที่มีอยู่ หรือหากต้องการใช้บิลด์รายวัน ให้เขียนดังนี้

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

ตั้งแต่เวอร์ชัน 2.4.0 และรุ่น Nightly ล่าสุด ระบบจะยกเว้นGPU และCore ML ตัวแทนออกจากพ็อดโดยค่าเริ่มต้นเพื่อลดขนาดไบนารี คุณรวมข้อมูลเหล่านี้ได้โดยระบุ subspec

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

ซึ่งจะช่วยให้คุณใช้ฟีเจอร์ล่าสุดที่เพิ่มลงใน LiteRT ได้ โปรดทราบว่าเมื่อสร้างไฟล์ Podfile.lock เมื่อคุณเรียกใช้คำสั่ง pod install เป็นครั้งแรก เวอร์ชันคลังแบบรายคืนจะล็อกเป็นเวอร์ชันของวันที่ปัจจุบัน หากต้องการอัปเดตไลบรารีรายคืนเป็นเวอร์ชันใหม่ คุณควรเรียกใช้คำสั่ง pod update

ดูข้อมูลเพิ่มเติมเกี่ยวกับวิธีต่างๆ ในการระบุข้อจำกัดเวอร์ชันได้ที่การระบุเวอร์ชันของพ็อด

นักพัฒนาซอฟต์แวร์ Bazel

ในไฟล์ BUILD ให้เพิ่มทรัพยากร Dependency ของ TensorFlowLite ลงในเป้าหมาย

Swift

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

Objective-C

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

C/C++ API

หรือจะใช้ C API หรือ C++ API ก็ได้

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

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

นําเข้าคลัง

สําหรับไฟล์ Swift ให้นําเข้าโมดูล LiteRT โดยทําดังนี้

import TensorFlowLite

สําหรับไฟล์ Objective-C ให้นําเข้าส่วนหัวแบบรวม

#import "TFLTensorFlowLite.h"

หรือโมดูลหากคุณตั้งค่า CLANG_ENABLE_MODULES = YES ในโปรเจ็กต์ Xcode

@import TFLTensorFlowLite;