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: Swift 和 Objective-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
在 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
TensorFlowLiteSwift
和 TensorFlowLiteObjC
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 GPU 和 Core 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
在 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
# 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;