המדריך למתחילים ל-iOS

האפליקציה לדוגמה הזו משתמשת בסיווג תמונות כדי לסווג ברציפות את כל מה שהיא שמזהה מהמצלמה האחורית של המכשיר, שמציג את החלק העליון בסבירות הגבוהה ביותר של משפטים יחידים, היא מאפשרת למשתמש לבחור בין נקודה צפה (floating-point) כמותית ולבחור את מספר השרשורים שעליהם צריך לבצע הסקת מסקנות.

מוסיפים את LiteRT לפרויקט SWIFT או Objective-C

ב-LiteRT יש ספריות iOS מקוריות שנכתבות Swift וגם יעד ג'.

הקטעים הבאים מדגימים איך להוסיף את LiteRT Swift או Objective-C לפרויקט שלך:

מפתחי CocoaPods

בPodfile, מוסיפים את רצף LiteRT. ואז מריצים את pod install.

Swift

use_frameworks!
pod 'TensorFlowLiteSwift'

Objective-C

pod 'TensorFlowLiteObjC'

ציון גרסאות

יש גרסאות יציבות, ויש גרסאות ליליות זמינות לשני הסוגים TensorFlowLiteSwift ו-TensorFlowLiteObjC רצפי מודעות. אם לא תציינו של הגרסאות הקודמות, כמו בדוגמאות שלמעלה, CocoaPods ישלים את הנתונים לגרסה יציבה כברירת מחדל.

אפשר גם לציין מגבלת גרסה. לדוגמה, אם ברצונך להסתמך על בגרסה 2.10.0, אפשר לכתוב את התלות כך:

pod 'TensorFlowLiteSwift', '~> 2.10.0'

כך תובטח הגרסה העדכנית ביותר של 2.x.y של TensorFlowLiteSwift נעשה שימוש ב-pod באפליקציה שלך. לחלופין, אם רוצים להסתמך על יכולה לכתוב:

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

החל מגרסה 2.4.0 ומהגרסאות האחרונות ליליות, כברירת מחדל GPU ו-Core ML הם נציגים לא ייכלל בפלט כדי להקטין את הגודל הבינארי. כדי לכלול אותן, שמציין תת-מפרט:

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

כך תהיה לך אפשרות להשתמש בתכונות החדשות שנוספו ל-LiteRT. הערה שברגע שהקובץ Podfile.lock נוצר כשמריצים את הפקודה pod install לראשונה, גרסת הספרייה הלילית יינעלה הגרסה של התאריך. כדי לעדכן את הספרייה הלילית לספרייה החדשה יותר: צריך להריץ את הפקודה pod update.

למידע נוסף על הדרכים השונות לציון מגבלות גרסה, ראו ציון Pod גרסאות שונות.

מפתחי Bazel

בקובץ BUILD, מוסיפים את התלות TensorFlowLite ליעד.

Swift

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

Objective-C

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

API של C/C++

לחלופין, אפשר להשתמש בפונקציה C API או C++ API

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

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

ייבוא הספרייה

לקובצי SWIFT, מייבאים את מודול LiteRT:

import TensorFlowLite

לקובצי Objective-C, מייבאים את כותרת המטרייה:

#import "TFLTensorFlowLite.h"

לחלופין, המודול אם מגדירים את CLANG_ENABLE_MODULES = YES בפרויקט Xcode:

@import TFLTensorFlowLite;