Guia de início rápido do iOS

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;