Guida rapida per iOS

Questa app di esempio utilizza la classificazione delle immagini per classificare continuamente rileva dalla fotocamera posteriore del dispositivo, mostrando la parte superiore più probabile le classificazioni. Consente all'utente di scegliere tra una rappresentazione in virgola mobile quantizzato e seleziona il numero di thread su cui eseguire l'inferenza.

Aggiungi LiteRT al tuo progetto Swift o Objective-C

LiteRT offre librerie iOS native scritte in Swift e Objective-C.

Le sezioni seguenti mostrano come aggiungere LiteRT Swift o Objective-C al tuo progetto:

Sviluppatori CocoaPods

Nel tuo Podfile, aggiungi il pod LiteRT. Poi esegui pod install.

Swift

use_frameworks!
pod 'TensorFlowLiteSwift'

Objective-C

pod 'TensorFlowLiteObjC'

Specifica delle versioni

Sono disponibili release stabili e notturne per entrambi TensorFlowLiteSwift e TensorFlowLiteObjC pod. Se non specifichi un come negli esempi precedenti, CocoaPods estrarrà l'ultima versione stabile per impostazione predefinita.

Puoi anche specificare un vincolo di versione. Ad esempio, se vuoi dipendere versione 2.10.0, puoi scrivere la dipendenza come:

pod 'TensorFlowLiteSwift', '~> 2.10.0'

Questo garantirà l'ultima versione 2.x.y disponibile dell'TensorFlowLiteSwift usato nella tua app. In alternativa, se vuoi dipendere dal numero di giorni build, puoi scrivere:

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

Dalla versione 2.4.0 e le ultime release notturne (per impostazione predefinita) GPU e Core ML delegati sono dal pod per ridurre le dimensioni binarie. Puoi includerli che specifica una sottospec:

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

In questo modo potrai utilizzare le ultime funzionalità aggiunte a LiteRT. Nota che una volta creato il file Podfile.lock eseguendo il comando pod install per la prima volta, la versione della raccolta notturna viene bloccata allo stato attuale solo la versione della data. Se vuoi aggiornare la raccolta notturna con quella più recente, dovrebbe eseguire il comando pod update.

Per ulteriori informazioni sui diversi modi di specificare i vincoli di versione, consulta Specificare il pod le versioni secondarie.

Sviluppatori Bazel

Nel file BUILD, aggiungi la dipendenza TensorFlowLite al target.

Swift

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

Objective-C

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

API C/C++

In alternativa, puoi utilizzare C API o C++ dell'API

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

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

Importa la libreria

Per i file Swift, importa il modulo LiteRT:

import TensorFlowLite

Per i file Objective-C, importa l'intestazione generale:

#import "TFLTensorFlowLite.h"

In alternativa, il modulo se imposti CLANG_ENABLE_MODULES = YES nel tuo progetto Xcode:

@import TFLTensorFlowLite;