這個範例應用程式使用圖片分類功能,持續將任何內容分類 從裝置後置鏡頭拍攝的景象,顯示出機率最高的產品 例如單一語句分類可讓使用者選擇浮點值 量化 然後選取要進行推論的執行緒數量
將 LiteRT 新增至 Swift 或 Objective-C 專案
LiteRT 提供使用 Swift 和 Objective-C。
以下章節示範如何新增 LiteRT Swift 或 Objective-C 至專案中:
CocoaPods 開發人員
在 Podfile
中新增 LiteRT Pod。接著執行 pod install
。
Swift
use_frameworks!
pod 'TensorFlowLiteSwift'
Objective-C
pod 'TensorFlowLiteObjC'
指定版本
我們有穩定版和夜間版本,兩者都適用
TensorFlowLiteSwift
和 TensorFlowLiteObjC
個 Pod。如果您沒有指定
如上例所示,CocoaPods 會提取最新的
以及最新的穩定版本
您也可以指定版本限制。舉例來說,如果您想依賴 2.10.0 版時,您可以將依附元件編寫為:
pod 'TensorFlowLiteSwift', '~> 2.10.0'
這可確保最新的 TensorFlowLiteSwift
2.x.y 版本
應用程式內使用 pod。或者,如果您想要依據夜間運作
可以編寫:
pod 'TensorFlowLiteSwift', '~> 0.0.1-nightly'
來自 2.4.0 版本和最新夜間版本 (預設為 2.4.0 版) GPU 和 Core ML 張黨代表票 以便縮減二進位檔大小您可以在 指定 subspec:
pod 'TensorFlowLiteSwift', '~> 0.0.1-nightly', :subspecs => ['CoreML', 'Metal']
如此一來,你就可以使用 LiteRT 新增的最新功能。注意事項
執行 pod install
指令,Podfile.lock
檔案建立完成後
晚上 12 點,系統將鎖定目前版本
日期的版本。如果想將夜間程式庫更新為更新版,
應執行 pod update
指令
如要進一步瞭解各種指定版本限制的方式,請參閱 指定 Pod 版本。
Bazel 開發人員
在 BUILD
檔案中,將 TensorFlowLite
依附元件新增至目標。
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",
],
)
匯入程式庫
如為 Swift 檔案,請匯入 LiteRT 模組:
import TensorFlowLite
如為 Objective-C 檔案,請匯入產品標頭:
#import "TFLTensorFlowLite.h"
或者,如果您在 Xcode 專案中設定 CLANG_ENABLE_MODULES = YES
,則該模組會:
@import TFLTensorFlowLite;