iOS 版快速入门

此示例应用使用图片分类功能, 从设备的后置摄像头看到的图像,显示概率最高的 分类。它可让用户在浮点数或 量化 模型,然后选择要执行推理的线程数。

将 LiteRT 添加到您的 Swift 或 Objective-C 项目

LiteRT 提供使用下列语言编写的原生 iOS 库: SwiftObjective-C

以下部分演示了如何添加 LiteRT Swift 或 Objective-C 添加到您的项目中:

CocoaPods 开发者

Podfile 中,添加 LiteRT Pod。然后,运行 pod install

Swift

use_frameworks!
pod 'TensorFlowLiteSwift'

Objective-C

pod 'TensorFlowLiteObjC'

指定版本

既提供稳定版本,也提供每晚版本 TensorFlowLiteSwiftTensorFlowLiteObjC Pod。如果不指定 如上例所示,CocoaPods 将会拉取最新的 稳定版。

您还可以指定版本限制条件。例如,如果您希望 2.10.0 版,则可以将依赖项编写为:

pod 'TensorFlowLiteSwift', '~> 2.10.0'

这将确保 TensorFlowLiteSwift 的最新 2.x.y 版本 Pod 的实际使用时间。或者,如果您想每天晚上休息一下 您可以编写:

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

默认情况下,从 2.4.0 版本和最新每夜版本开始 GPUCore ML 受托人数量 以缩减二进制文件的大小您可以通过以下方式将其纳入搜索范围 指定 subspec:

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

这样您就可以使用 LiteRT 中添加的最新功能。注意事项 创建 Podfile.lock 文件后,运行 pod install 命令时请注意以下事项: 这是第一次,系统会将每晚的图书馆版本锁定在当前 日期的版本。如果要将夜间库更新为较新的库, 应运行 pod update 命令。

如需详细了解指定版本限制条件的不同方法,请参阅 指定 Pod 版本

Bazel 开发者

BUILD 文件中,将 TensorFlowLite 依赖项添加到目标中。

Swift

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

Objective-C

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

C/C++ API

或者,您也可以使用 C APIC++ API

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

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

导入库

对于 Swift 文件,请导入 LiteRT 模块:

import TensorFlowLite

对于 Objective-C 文件,请导入 umbrella 头文件:

#import "TFLTensorFlowLite.h"

或者,如果您在 Xcode 项目中设置了 CLANG_ENABLE_MODULES = YES,则添加模块:

@import TFLTensorFlowLite;