Cet exemple d'application utilise la classification d'images pour classer en continu voit par la caméra arrière de l'appareil, ce qui affiche les meilleurs classifications. Elle permet à l'utilisateur de choisir entre une virgule flottante ou quantifiée et sélectionnez le nombre de threads sur lesquels effectuer l'inférence.
Ajouter LiteRT à votre projet Swift ou Objective-C
LiteRT propose des bibliothèques iOS natives écrites en Swift et Objective-C :
Les sections ci-dessous montrent comment ajouter LiteRT Swift ou Objective-C à votre projet:
Développeurs CocoaPods
Dans votre fichier Podfile
, ajoutez le pod LiteRT. Ensuite, exécutez pod install
.
Swift
use_frameworks!
pod 'TensorFlowLiteSwift'
Objective-C
pod 'TensorFlowLiteObjC'
Spécifier des versions
Il existe des versions stables, et des versions chaque nuit sont disponibles pour les deux
Pods TensorFlowLiteSwift
et TensorFlowLiteObjC
. Si vous ne spécifiez pas
comme dans les exemples ci-dessus, CocoaPods extrait la dernière version
stable par défaut.
Vous pouvez également spécifier une contrainte de version. Par exemple, si vous souhaitez dépendre version 2.10.0, vous pouvez écrire la dépendance comme suit:
pod 'TensorFlowLiteSwift', '~> 2.10.0'
Vous obtiendrez ainsi la dernière version 2.x.y disponible de TensorFlowLiteSwift
.
pod est utilisé dans votre application. Si vous préférez profiter de la nuit
vous pouvez écrire:
pod 'TensorFlowLiteSwift', '~> 0.0.1-nightly'
À partir de la version 2.4.0 et des dernières mises à jour effectuées chaque nuit, par défaut GPU et Core ML les délégués sont exclu du pod pour réduire la taille binaire. Vous pouvez les inclure spécifiant la sous-spécification:
pod 'TensorFlowLiteSwift', '~> 0.0.1-nightly', :subspecs => ['CoreML', 'Metal']
Vous pourrez ainsi utiliser les dernières fonctionnalités ajoutées à LiteRT. Remarque
Une fois le fichier Podfile.lock
créé lorsque vous exécutez la commande pod install
,
pour la première fois, la version de la bibliothèque nocturne sera verrouillée à la version actuelle
la version de date. Si vous souhaitez mettre à jour la bibliothèque Nuit vers la nouvelle, vous
doit exécuter la commande pod update
.
Pour en savoir plus sur les différentes façons de spécifier des contraintes de version, consultez Spécifier un pod version.
Développeurs Bazel
Dans votre fichier BUILD
, ajoutez la dépendance TensorFlowLite
à votre cible.
Swift
swift_library(
deps = [
"//tensorflow/lite/swift:TensorFlowLite",
],
)
Objective-C
objc_library(
deps = [
"//tensorflow/lite/objc:TensorFlowLite",
],
)
API C/C++
Vous pouvez également utiliser 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",
],
)
Importer la bibliothèque
Pour les fichiers Swift, importez le module LiteRT:
import TensorFlowLite
Pour les fichiers Objective-C, importez l'en-tête parapluie:
#import "TFLTensorFlowLite.h"
Ou, si vous définissez CLANG_ENABLE_MODULES = YES
dans votre projet Xcode:
@import TFLTensorFlowLite;