iOS 快速入門導覽課程

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 SwiftObjective-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

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 TensorFlowLiteSwiftTensorFlowLiteObjC 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) GPUCore 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

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

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",
  ],
)

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;