Krótkie wprowadzenie dla iOS

Ta przykładowa aplikacja korzysta z klasyfikacji obrazów, aby stale klasyfikować widzi pozycję tylnego aparatu urządzenia, pokazując najbardziej prawdopodobny klasyfikacje. Pozwala użytkownikowi wybrać między zmiennoprzecinkowym a zmiennoprzecinkowym skwantyzowana modelu i wybrać liczbę wątków, na których ma być wykonywane wnioskowanie.

Dodawanie LiteRT do projektu Swift lub Objective-C

LiteRT oferuje natywne biblioteki iOS napisane w Swift oraz Objective-C.

W poniższych sekcjach pokazujemy, jak dodać LiteRT Swift lub Objective-C do swojego projektu:

Deweloperzy CocoaPods

W Podfile dodaj pod LiteRT. Następnie uruchom pod install.

Swift

use_frameworks!
pod 'TensorFlowLiteSwift'

Objective-C

pod 'TensorFlowLiteObjC'

Określanie wersji

Dostępne są wersje stabilne i nocne TensorFlowLiteSwift i TensorFlowLiteObjC bloków reklamowych. Jeśli nie podasz jak w powyższych przykładach, CocoaPods pobierze najnowsze wersji stabilnej.

Możesz też określić ograniczenie wersji. Na przykład, jeśli chcesz polegać na wersji 2.10.0, możesz zapisać zależność jako:

pod 'TensorFlowLiteSwift', '~> 2.10.0'

Dzięki temu TensorFlowLiteSwift otrzyma najnowszą dostępną wersję 2.x.y pod jest używany w aplikacji. A jeśli chcesz korzystać z nocnego snu, możesz wpisać:

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

Domyślnie od wersji 2.4.0 i najnowszych wersji nocnych GPU i Core ML delegaci są należy wykluczyć z poda, aby zmniejszyć rozmiar pliku binarnego. Możesz je uwzględnić w ten sposób: określający podspecyfikację:

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

Umożliwi Ci to korzystanie z najnowszych funkcji dodanych do LiteRT. Notatka że po utworzeniu pliku Podfile.lock podczas uruchamiania polecenia pod install po raz pierwszy, wersja nocnej biblioteki zostanie zablokowana na wersji daty. Aby zaktualizować nocną bibliotekę do nowszej wersji, należy uruchomić polecenie pod update.

Więcej informacji o różnych sposobach określania ograniczeń wersji znajdziesz w artykule Określanie poda .

Programiści w Bazelu

W pliku BUILD dodaj zależność TensorFlowLite do środowiska docelowego.

Swift

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

Objective-C

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

Interfejs API C/C++

Możesz też użyć skrótu C API lub C++ API

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

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

Importuj bibliotekę

W przypadku plików Swift zaimportuj moduł LiteRT:

import TensorFlowLite

W przypadku plików Objective-C zaimportuj nagłówek parasola:

#import "TFLTensorFlowLite.h"

Albo moduł, jeśli w projekcie Xcode został ustawiony CLANG_ENABLE_MODULES = YES:

@import TFLTensorFlowLite;