iOS 版快速入门

此示例应用使用图片分类功能， 从设备的后置摄像头看到的图像，显示概率最高的 分类。它可让用户在浮点数或 量化 模型，然后选择要执行推理的线程数。

将 LiteRT 添加到您的 Swift 或 Objective-C 项目

LiteRT 提供使用下列语言编写的原生 iOS 库： Swift 和 Objective-C。

以下部分演示了如何添加 LiteRT Swift 或 Objective-C 添加到您的项目中：

CocoaPods 开发者

在 Podfile 中，添加 LiteRT Pod。然后，运行 pod install。

Swift

use_frameworks!
pod 'TensorFlowLiteSwift'

Objective-C

pod 'TensorFlowLiteObjC'

指定版本

既提供稳定版本，也提供每晚版本 TensorFlowLiteSwift 和 TensorFlowLiteObjC Pod。如果不指定 如上例所示，CocoaPods 将会拉取最新的 稳定版。

您还可以指定版本限制条件。例如，如果您希望 2.10.0 版，则可以将依赖项编写为：

pod 'TensorFlowLiteSwift', '~> 2.10.0'

这将确保 TensorFlowLiteSwift 的最新 2.x.y 版本 Pod 的实际使用时间。或者，如果您想每天晚上休息一下 您可以编写：

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

默认情况下，从 2.4.0 版本和最新每夜版本开始 GPU 和 Core ML 受托人数量 以缩减二进制文件的大小您可以通过以下方式将其纳入搜索范围 指定 subspec：

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

这样您就可以使用 LiteRT 中添加的最新功能。注意事项 创建 Podfile.lock 文件后，运行 pod install 命令时请注意以下事项： 这是第一次，系统会将每晚的图书馆版本锁定在当前 日期的版本。如果要将夜间库更新为较新的库， 应运行 pod update 命令。

如需详细了解指定版本限制条件的不同方法，请参阅 指定 Pod 版本。

Bazel 开发者

在 BUILD 文件中，将 TensorFlowLite 依赖项添加到目标中。

Swift

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

Objective-C

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

C/C++ API

或者，您也可以使用 C API 或 C++ API

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

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

导入库

对于 Swift 文件，请导入 LiteRT 模块：

import TensorFlowLite

对于 Objective-C 文件，请导入 umbrella 头文件：

#import "TFLTensorFlowLite.h"

或者，如果您在 Xcode 项目中设置了 CLANG_ENABLE_MODULES = YES，则添加模块：

@import TFLTensorFlowLite;