iOS क्विकस्टार्ट

उदाहरण के तौर पर दिया गया यह ऐप्लिकेशन, इमेज क्लासिफ़िकेशन का इस्तेमाल करके, चीज़ों को लगातार बांटता है डिवाइस के पीछे वाले कैमरे से देखता है, जो अपने-आप जनरेट होने वाले वर्गीकरण. इससे उपयोगकर्ता किसी फ़्लोटिंग पॉइंट या संख्या में बदला जा सकता है मॉडल चुनें और अनुमान लगाने के लिए थ्रेड की संख्या चुनें.

अपने Swift या Objective-C प्रोजेक्ट में LiteRT जोड़ें

LiteRT, iOS की नेटिव लाइब्रेरी की सुविधा देता है, जो इन भाषाओं में लिखी गई हैं Swift और Objective-C.

यहां दिए गए सेक्शन में, LiteRT Swift या Objective-C को जोड़ने का तरीका बताया गया है जोड़ें:

CocoaPods डेवलपर

अपने Podfile में, LiteRT पॉड जोड़ें. इसके बाद, pod install चलाएं.

Swift

use_frameworks!
pod 'TensorFlowLiteSwift'

Objective-C

pod 'TensorFlowLiteObjC'

वर्शन तय करना

बिना रुकावट वाली रिलीज़ और हर रात होने वाली रिलीज़, दोनों के लिए उपलब्ध हैं TensorFlowLiteSwift और TensorFlowLiteObjC पॉड. अगर आप किसी वर्शन कंस्ट्रेंट, जैसा कि ऊपर दिए गए उदाहरणों में बताया गया है, CocoaPods सबसे नए डिफ़ॉल्ट रूप से स्थिर रिलीज़.

आपके पास वर्शन कंस्ट्रेंट को तय करने का विकल्प भी होता है. उदाहरण के लिए, यदि आप वर्शन 2.10.0 है, तो आप डिपेंडेंसी को इस तरह लिख सकते हैं:

pod 'TensorFlowLiteSwift', '~> 2.10.0'

इससे यह पक्का होगा कि TensorFlowLiteSwift का सबसे नया 2.x.y वर्शन मौजूद हो पॉड का इस्तेमाल आपके ऐप्लिकेशन में किया जाता है. इसके अलावा, अगर आपको रात में डेटा पर निर्भर रहना है, बनाता है, तो आप लिख सकते हैं:

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

डिफ़ॉल्ट रूप से, 2.4.0 वर्शन से और रात में रिलीज़ होने वाली सबसे नई रिलीज़ जीपीयू और कोर एमएल प्रतिनिधि वे हैं बाइनरी साइज़ को कम करने के लिए, पॉड से बाहर रखा जाता है. आप उन्हें यहां दिए गए तरीके से शामिल कर सकते हैं उप-स्पेक तय कर रहा है:

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

इससे, LiteRT में जोड़ी गई नई सुविधाएं इस्तेमाल की जा सकेंगी. नोट जोड़ें pod install कमांड चलाने पर, एक बार Podfile.lock फ़ाइल बन जाती है पहली बार, नाइटली लाइब्रेरी वर्शन को मौजूदा तारीख का वर्शन है. अगर आपको नाइटली लाइब्रेरी को नई लाइब्रेरी में अपडेट करना है, तो pod update निर्देश मिलना चाहिए.

वर्शन कंस्ट्रेंट को तय करने के अलग-अलग तरीकों के बारे में ज़्यादा जानकारी के लिए, देखें पॉड तय करना वर्शन के बारे में ज़्यादा जानें.

बेज़ल डेवलपर्स

अपनी BUILD फ़ाइल में, TensorFlowLite डिपेंडेंसी को टारगेट में जोड़ें.

Swift

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

Objective-C

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

C/C++ एपीआई

वैकल्पिक रूप से, आप C API या C++ एपीआई

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

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

लाइब्रेरी इंपोर्ट करें

Swift फ़ाइलों के लिए, LiteRT मॉड्यूल इंपोर्ट करें:

import TensorFlowLite

Objective-C फ़ाइलों के लिए अंब्रेला हेडर इंपोर्ट करें:

#import "TFLTensorFlowLite.h"

इसके अलावा, अगर Xcode प्रोजेक्ट में CLANG_ENABLE_MODULES = YES को सेट किया जाता है, तो मॉड्यूल में:

@import TFLTensorFlowLite;