Guía de inicio rápido para iOS

Esta app de ejemplo usa la clasificación de imágenes para clasificar de forma continua lo que sea que desde la cámara posterior del dispositivo, que muestra la parte superior más probable clasificaciones. Permite al usuario elegir entre un punto flotante o cuantizado y seleccionar la cantidad de subprocesos en los que se realizará la inferencia.

Agrega LiteRT a tu proyecto de Swift o Objective-C

LiteRT ofrece bibliotecas nativas de iOS escritas en Swift y Objective‐C

En las siguientes secciones, se muestra cómo agregar LiteRT de Swift o Objective-C a tu proyecto:

Desarrolladores de CocoaPods

En tu Podfile, agrega el Pod de LiteRT. Luego, ejecuta pod install.

Swift

use_frameworks!
pod 'TensorFlowLiteSwift'

Objective-C

pod 'TensorFlowLiteObjC'

Especifica versiones

Existen versiones estables y nocturnas disponibles para ambos Pods de TensorFlowLiteSwift y TensorFlowLiteObjC. Si no especificas un de versión como en los ejemplos anteriores, CocoaPods extraerá la última estable de forma predeterminada.

También puedes especificar una restricción de versión. Por ejemplo, si quieres depender de versión 2.10.0, puedes escribir la dependencia de la siguiente manera:

pod 'TensorFlowLiteSwift', '~> 2.10.0'

Esto garantizará la última versión 2.x.y disponible de TensorFlowLiteSwift. pod se usa en tu app. Por otro lado, si quieres depender del consumo puedes escribir lo siguiente:

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

A partir de la versión 2.4.0 y los lanzamientos nocturnos más recientes, de forma predeterminada GPU y Core ML los delegados son del Pod para reducir el tamaño del objeto binario. Puedes incluirlos que especifica la subespecificación:

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

Esto te permitirá usar las funciones más recientes que se agregaron a LiteRT. Nota que, una vez que se cree el archivo Podfile.lock, cuando ejecutes el comando pod install por primera vez, la versión nocturna de la biblioteca se bloqueará en la versión de la fecha. Si deseas actualizar la biblioteca nocturna a la más nueva, puedes debes ejecutar el comando pod update.

Para obtener más información sobre las diferentes formas de especificar restricciones de versiones, consulta Especifica el Pod versiones.

Desarrolladores de Bazel

En el archivo BUILD, agrega la dependencia TensorFlowLite a tu destino.

Swift

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

Objective-C

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

API de C/C++

Como alternativa, puedes usar C API o C++ API

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

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

Cómo importar la biblioteca

Para archivos Swift, importa el módulo LiteRT:

import TensorFlowLite

Para los archivos Objective-C, importa el encabezado general:

#import "TFLTensorFlowLite.h"

O bien, el módulo si configuras CLANG_ENABLE_MODULES = YES en tu proyecto de Xcode:

@import TFLTensorFlowLite;