คู่มือเริ่มใช้งาน iOS อย่างรวดเร็ว

แอปตัวอย่างนี้ใช้การจัดประเภทรูปภาพเพื่อจำแนกประเภทรูปภาพอย่างต่อเนื่อง จากกล้องหลังของอุปกรณ์ โดยจะแสดงสิ่งที่เป็นไปได้มากที่สุด การจำแนกประเภท เพื่อให้ผู้ใช้สามารถเลือกระหว่างจุดทศนิยมหรือ ทำให้เล็กลง และเลือกจำนวนชุดข้อความที่จะทำการอนุมาน

เพิ่ม LiteRT ลงในโปรเจ็กต์ Swift หรือ Objective-C

LiteRT มีไลบรารี iOS ที่มาพร้อมเครื่อง Swift และ Objective-C

ส่วนด้านล่างจะแสดงวิธีเพิ่ม LiteRT Swift หรือ Objective-C กับโปรเจ็กต์ของคุณ:

นักพัฒนาแอป CocoaPods

เพิ่มพ็อด LiteRT ใน Podfile จากนั้นเรียกใช้ pod install

Swift

use_frameworks!
pod 'TensorFlowLiteSwift'

Objective-C

pod 'TensorFlowLiteObjC'

การระบุเวอร์ชัน

มีรุ่นเสถียรและรุ่นกลางคืนพร้อมใช้งานสําหรับทั้ง 2 รุ่น TensorFlowLiteSwift และ TensorFlowLiteObjC พ็อด หากคุณไม่ได้ระบุ ข้อจำกัดเวอร์ชันตามตัวอย่างข้างต้น CocoaPods จะดึงข้อมูลล่าสุด ที่เสถียรโดยค่าเริ่มต้น

คุณยังระบุข้อจํากัดของเวอร์ชันได้ด้วย เช่น ถ้าต้องการพึ่งพา เวอร์ชัน 2.10.0 คุณสามารถเขียนทรัพยากร Dependency ได้เป็น

pod 'TensorFlowLiteSwift', '~> 2.10.0'

การดำเนินการนี้จะทำให้ TensorFlowLiteSwift เวอร์ชัน 2.x.y ที่มีให้ใช้งานล่าสุด พ็อดที่ใช้ในแอป หรือถ้าต้องการใช้เวลากับทุกคืน คุณสามารถเขียนสิ่งต่อไปนี้

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

จากเวอร์ชัน 2.4.0 และรุ่นล่าสุดต่อคืนโดยค่าเริ่มต้น GPU และ Core ML ผู้แทนคือ ยกเว้นจากพ็อดเพื่อลดขนาดไบนารี คุณสามารถรวมรหัสเหล่านี้ได้โดย การระบุข้อกำหนดย่อย

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

การดำเนินการนี้จะทำให้คุณใช้ฟีเจอร์ล่าสุดที่เพิ่มลงใน LiteRT ได้ หมายเหตุ ว่าเมื่อสร้างไฟล์ Podfile.lock เมื่อคุณเรียกใช้คำสั่ง pod install เป็นครั้งแรก ไลบรารีเวอร์ชัน Nightly ๆ จะถูกล็อกไว้ที่ ฉบับวันที่ หากต้องการอัปเดตไลบรารีรายคืนเป็นไลบรารีที่ใหม่กว่า ควรเรียกใช้คำสั่ง pod update

ดูข้อมูลเพิ่มเติมเกี่ยวกับวิธีต่างๆ ในการระบุข้อจำกัดของเวอร์ชันได้ที่ การระบุพ็อด เวอร์ชันต่างๆ

นักพัฒนา Bazel

ในไฟล์ BUILD ให้เพิ่มทรัพยากร Dependency TensorFlowLite ไปยังเป้าหมาย

Swift

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

Objective-C

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

API C/C++

อีกทางเลือกหนึ่งคือ คุณสามารถใช้ C API หรือ C++ API

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

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

นำเข้าไลบรารี

สำหรับไฟล์ Swift ให้นำเข้าโมดูล LiteRT ดังนี้

import TensorFlowLite

สำหรับไฟล์ Objective-C ให้นําเข้าส่วนหัว "ร่ม" ดังนี้

#import "TFLTensorFlowLite.h"

หรือโมดูลหากคุณตั้งค่า CLANG_ENABLE_MODULES = YES ในโปรเจ็กต์ Xcode ของคุณ:

@import TFLTensorFlowLite;