Panduan memulai iOS

Aplikasi contoh ini menggunakan klasifikasi gambar untuk terus mengklasifikasikan gambar apa pun melihat dari kamera belakang perangkat, yang menampilkan probabilitas klasifikasi. Hal ini memungkinkan pengguna untuk memilih antara {i>floating point<i} atau terkuantisasi dan memilih jumlah thread yang akan digunakan untuk melakukan inferensi.

Menambahkan LiteRT ke project Swift atau Objective-C

LiteRT menawarkan library iOS native yang ditulis dalam Swift dan Objective-C.

Bagian di bawah ini menunjukkan cara menambahkan LiteRT Swift atau Objective-C pada proyek Anda:

Developer CocoaPods

Di Podfile, tambahkan pod LiteRT. Lalu, jalankan pod install.

Swift

use_frameworks!
pod 'TensorFlowLiteSwift'

Objective-C

pod 'TensorFlowLiteObjC'

Menentukan versi

Ada rilis stabil dan rilis setiap malam yang tersedia untuk keduanya TensorFlowLiteSwift dan TensorFlowLiteObjC pod. Jika Anda tidak menentukan batasan versi seperti pada contoh di atas, CocoaPods akan mengambil stabil secara default.

Anda juga dapat menentukan batasan versi. Misalnya, jika Anda ingin mengandalkan data versi 2.10.0, Anda dapat menulis dependensi sebagai:

pod 'TensorFlowLiteSwift', '~> 2.10.0'

Tindakan ini akan memastikan TensorFlowLiteSwift versi 2.x.y terbaru yang tersedia pod digunakan dalam aplikasi Anda. Atau, jika Anda ingin menggunakan Anda dapat menulis:

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

Dari versi 2.4.0 dan rilis setiap malam terbaru, secara default GPU dan Core ML delegasi tidak disertakan dalam pod untuk mengurangi ukuran biner. Anda dapat menyertakannya dengan menentukan subspec:

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

Dengan begitu, Anda dapat menggunakan fitur terbaru yang ditambahkan ke LiteRT. Catatan setelah file Podfile.lock dibuat saat Anda menjalankan perintah pod install untuk pertama kalinya, versi library malamnya akan dikunci versi tanggal. Jika Anda ingin memperbarui {i>library <i} malam ke versi yang lebih baru, Anda harus menjalankan perintah pod update.

Untuk informasi selengkapnya tentang berbagai cara dalam menentukan batasan versi, lihat Menentukan pod versi.

Developer Bazel

Di file BUILD, tambahkan dependensi TensorFlowLite ke target Anda.

Swift

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

Objective-C

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

API C/C++

Atau, Anda dapat menggunakan C API atau C++ API

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

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

Mengimpor library

Untuk file Swift, impor modul LiteRT:

import TensorFlowLite

Untuk file Objective-C, impor header umbrella:

#import "TFLTensorFlowLite.h"

Atau, modul jika Anda menetapkan CLANG_ENABLE_MODULES = YES dalam project Xcode Anda:

@import TFLTensorFlowLite;