Crea la tua API Tasks

La libreria di attività TensorFlow fornisce funzionalità API C++, Android e iOS, sulla stessa infrastruttura che astrae TensorFlow, Puoi estendere l'infrastruttura dell'API Tasks per creare API personalizzate se il modello non è supportato dalle librerie di attività esistenti.

Panoramica

L'infrastruttura API delle attività ha una struttura a due livelli: lo strato C++ inferiore l'incapsulamento del runtime TFLite e del livello Java/ObjC principale comunica con lo strato C++ tramite JNI o wrapper.

L'implementazione dell'intera logica TensorFlow solo in C++ riduce al minimo i costi, massimizza le prestazioni di inferenza e semplifica il flusso di lavoro complessivo su più piattaforme.

Per creare una classe Tasks, estendi BaseTaskApi per fornire logica di conversione tra l'interfaccia del modello TFLite e l'API Tasks quindi usa le utilità Java/ObjC per creare le API corrispondenti. Con tutti i dettagli TensorFlow nascosti, puoi eseguire il deployment del modello TFLite nelle tue app senza alcuna conoscenza del machine learning.

TensorFlow Lite fornisce alcune API predefinite per i modelli Attività di visione e NLP. Puoi creare le tue API per altre attività usando l'infrastruttura API Tasks.

prebuilt_task_apis
Figura 1. API predefinite per le attività

Crea la tua API con l'infrastruttura API Tasks

API C++

Tutti i dettagli di TFLite sono implementati nell'API C++. Crea un oggetto API utilizzando una delle funzioni di fabbrica e ottenere risultati del modello chiamando le funzioni definiti nell'interfaccia.

Esempi di utilizzo

Ecco un esempio in cui viene utilizzato il linguaggio C++ BertQuestionAnswerer della MobileBert:

  char kBertModelPath[] = "path/to/model.tflite";
  // Create the API from a model file
  std::unique_ptr<BertQuestionAnswerer> question_answerer =
      BertQuestionAnswerer::CreateFromFile(kBertModelPath);

  char kContext[] = ...; // context of a question to be answered
  char kQuestion[] = ...; // question to be answered
  // ask a question
  std::vector<QaAnswer> answers = question_answerer.Answer(kContext, kQuestion);
  // answers[0].text is the best answer

Creazione dell'API

native_task_api
Figura 2. API Native Tasks

Per creare un oggetto API,devi fornire le seguenti informazioni estendendo BaseTaskApi

  • Determina l'I/O dell'API: l'API dovrebbe esporre input/output simili su diverse piattaforme. ad es. BertQuestionAnswerer accetta due stringhe (std::string& context, std::string& question) come input e come output vettore di possibili risposte e probabilità come std::vector<QaAnswer>. Questo avviene specificando i tipi corrispondenti nel parametro BaseTaskApi parametro del modello. Con i parametri del modello specificati, BaseTaskApi::Infer avrà i tipi di input/output corretti. Questa funzione può essere chiamata direttamente dai client API, ma è buona norma includerla una funzione specifica del modello, in questo caso BertQuestionAnswerer::Answer.

    class BertQuestionAnswerer : public BaseTaskApi<
                                  std::vector<QaAnswer>, // OutputType
                                  const std::string&, const std::string& // InputTypes
                                  > {
      // Model specific function delegating calls to BaseTaskApi::Infer
      std::vector<QaAnswer> Answer(const std::string& context, const std::string& question) {
        return Infer(context, question).value();
      }
    }
    
  • Fornire la logica di conversione tra API I/O e tensore di input/output del modello - Con i tipi di input e output specificati, le sottoclassi devono anche implementare le funzioni digitate BaseTaskApi::Preprocess: e BaseTaskApi::Postprocess. Le due funzioni forniscono input e output da TFLite FlatBuffer. La sottoclasse è responsabile dell'assegnazione dagli I/O API ai tensori I/O. Visualizza l'implementazione completa esempio in BertQuestionAnswerer

    class BertQuestionAnswerer : public BaseTaskApi<
                                  std::vector<QaAnswer>, // OutputType
                                  const std::string&, const std::string& // InputTypes
                                  > {
      // Convert API input into tensors
      absl::Status BertQuestionAnswerer::Preprocess(
        const std::vector<TfLiteTensor*>& input_tensors, // input tensors of the model
        const std::string& context, const std::string& query // InputType of the API
      ) {
        // Perform tokenization on input strings
        ...
        // Populate IDs, Masks and SegmentIDs to corresponding input tensors
        PopulateTensor(input_ids, input_tensors[0]);
        PopulateTensor(input_mask, input_tensors[1]);
        PopulateTensor(segment_ids, input_tensors[2]);
        return absl::OkStatus();
      }
    
      // Convert output tensors into API output
      StatusOr<std::vector<QaAnswer>> // OutputType
      BertQuestionAnswerer::Postprocess(
        const std::vector<const TfLiteTensor*>& output_tensors, // output tensors of the model
      ) {
        // Get start/end logits of prediction result from output tensors
        std::vector<float> end_logits;
        std::vector<float> start_logits;
        // output_tensors[0]: end_logits FLOAT[1, 384]
        PopulateVector(output_tensors[0], &end_logits);
        // output_tensors[1]: start_logits FLOAT[1, 384]
        PopulateVector(output_tensors[1], &start_logits);
        ...
        std::vector<QaAnswer::Pos> orig_results;
        // Look up the indices from vocabulary file and build results
        ...
        return orig_results;
      }
    }
    
  • Crea funzioni di fabbrica dell'API: un file del modello e una OpResolver: sono necessari per inizializzare tflite::Interpreter. TaskAPIFactory fornisce funzioni di utilità per creare istanze BaseTaskApi.

    .

    Devi inoltre fornire eventuali file associati al modello. ad es. BertQuestionAnswerer può anche avere un file aggiuntivo per il tokenizzatore vocabolario.

    class BertQuestionAnswerer : public BaseTaskApi<
                                  std::vector<QaAnswer>, // OutputType
                                  const std::string&, const std::string& // InputTypes
                                  > {
      // Factory function to create the API instance
      StatusOr<std::unique_ptr<QuestionAnswerer>>
      BertQuestionAnswerer::CreateBertQuestionAnswerer(
          const std::string& path_to_model, // model to passed to TaskApiFactory
          const std::string& path_to_vocab  // additional model specific files
      ) {
        // Creates an API object by calling one of the utils from TaskAPIFactory
        std::unique_ptr<BertQuestionAnswerer> api_to_init;
        ASSIGN_OR_RETURN(
            api_to_init,
            core::TaskAPIFactory::CreateFromFile<BertQuestionAnswerer>(
                path_to_model,
                absl::make_unique<tflite::ops::builtin::BuiltinOpResolver>(),
                kNumLiteThreads));
    
        // Perform additional model specific initializations
        // In this case building a vocabulary vector from the vocab file.
        api_to_init->InitializeVocab(path_to_vocab);
        return api_to_init;
      }
    }
    

API di Android

Crea API Android definendo l'interfaccia Java/Kotlin e delegando la logica allo strato C++ tramite JNI. L'API Android richiede prima la creazione di un'API nativa.

Esempi di utilizzo

Ecco un esempio di utilizzo di Java BertQuestionAnswerer della MobileBert:

  String BERT_MODEL_FILE = "path/to/model.tflite";
  String VOCAB_FILE = "path/to/vocab.txt";
  // Create the API from a model file and vocabulary file
    BertQuestionAnswerer bertQuestionAnswerer =
        BertQuestionAnswerer.createBertQuestionAnswerer(
            ApplicationProvider.getApplicationContext(), BERT_MODEL_FILE, VOCAB_FILE);

  String CONTEXT = ...; // context of a question to be answered
  String QUESTION = ...; // question to be answered
  // ask a question
  List<QaAnswer> answers = bertQuestionAnswerer.answer(CONTEXT, QUESTION);
  // answers.get(0).text is the best answer

Creazione dell'API

android_task_api
Figura 3. API Android Tasks

Analogamente alle API native, per creare un oggetto API, il client deve fornire la le informazioni di seguito estendendo BaseTaskApi, che fornisce gestione JNI per tutte le API Java Tasks.

  • Determina l'API I/O: in genere rispecchia le interfacce native. ad es. BertQuestionAnswerer utilizza (String context, String question) come input e restituisce List<QaAnswer>. L'implementazione chiama un utente nativo privato funzione con firma simile, tranne per il fatto che ha un parametro aggiuntivo long nativeHandle, che è il puntatore restituito da C++.

    class BertQuestionAnswerer extends BaseTaskApi {
      public List<QaAnswer> answer(String context, String question) {
        return answerNative(getNativeHandle(), context, question);
      }
    
      private static native List<QaAnswer> answerNative(
                                            long nativeHandle, // C++ pointer
                                            String context, String question // API I/O
                                           );
    
    }
    
  • Crea funzioni di fabbrica dell'API. Questo rispecchia anche i valori di fabbrica nativi di base, ad eccezione delle funzioni di fabbrica di Android, che devono Context: per accedere ai file. L'implementazione chiama una delle utilità TaskJniUtils per creare l'oggetto API C++ corrispondente e passare il relativo puntatore al BaseTaskApi.

      class BertQuestionAnswerer extends BaseTaskApi {
        private static final String BERT_QUESTION_ANSWERER_NATIVE_LIBNAME =
                                                  "bert_question_answerer_jni";
    
        // Extending super constructor by providing the
        // native handle(pointer of corresponding C++ API object)
        private BertQuestionAnswerer(long nativeHandle) {
          super(nativeHandle);
        }
    
        public static BertQuestionAnswerer createBertQuestionAnswerer(
                                            Context context, // Accessing Android files
                                            String pathToModel, String pathToVocab) {
          return new BertQuestionAnswerer(
              // The util first try loads the JNI module with name
              // BERT_QUESTION_ANSWERER_NATIVE_LIBNAME, then opens two files,
              // converts them into ByteBuffer, finally ::initJniWithBertByteBuffers
              // is called with the buffer for a C++ API object pointer
              TaskJniUtils.createHandleWithMultipleAssetFilesFromLibrary(
                  context,
                  BertQuestionAnswerer::initJniWithBertByteBuffers,
                  BERT_QUESTION_ANSWERER_NATIVE_LIBNAME,
                  pathToModel,
                  pathToVocab));
        }
    
        // modelBuffers[0] is tflite model file buffer, and modelBuffers[1] is vocab file buffer.
        // returns C++ API object pointer casted to long
        private static native long initJniWithBertByteBuffers(ByteBuffer... modelBuffers);
    
      }
    
  • Implementazione del modulo JNI per le funzioni native. Tutti i metodi nativi Java sono implementate richiamando una funzione nativa corrispondente dal in maggior dettaglio più avanti in questo modulo. Le funzioni di fabbrica creano un oggetto API nativo e restituiscono il suo puntatore come un tipo lungo a Java. Nelle chiamate successive all'API Java, il puntatore del tipo viene restituito a JNI e ritrasmesso all'oggetto API nativo. I risultati nativi dell'API vengono quindi riconvertiti in risultati Java.

    Ad esempio, questo è il modo in cui bert_question_answerer_jni viene implementato.

      // Implements BertQuestionAnswerer::initJniWithBertByteBuffers
      extern "C" JNIEXPORT jlong JNICALL
      Java_org_tensorflow_lite_task_text_qa_BertQuestionAnswerer_initJniWithBertByteBuffers(
          JNIEnv* env, jclass thiz, jobjectArray model_buffers) {
        // Convert Java ByteBuffer object into a buffer that can be read by native factory functions
        absl::string_view model =
            GetMappedFileBuffer(env, env->GetObjectArrayElement(model_buffers, 0));
    
        // Creates the native API object
        absl::StatusOr<std::unique_ptr<QuestionAnswerer>> status =
            BertQuestionAnswerer::CreateFromBuffer(
                model.data(), model.size());
        if (status.ok()) {
          // converts the object pointer to jlong and return to Java.
          return reinterpret_cast<jlong>(status->release());
        } else {
          return kInvalidPointer;
        }
      }
    
      // Implements BertQuestionAnswerer::answerNative
      extern "C" JNIEXPORT jobject JNICALL
      Java_org_tensorflow_lite_task_text_qa_BertQuestionAnswerer_answerNative(
      JNIEnv* env, jclass thiz, jlong native_handle, jstring context, jstring question) {
      // Convert long to native API object pointer
      QuestionAnswerer* question_answerer = reinterpret_cast<QuestionAnswerer*>(native_handle);
    
      // Calls the native API
      std::vector<QaAnswer> results = question_answerer->Answer(JStringToString(env, context),
                                             JStringToString(env, question));
    
      // Converts native result(std::vector<QaAnswer>) to Java result(List<QaAnswerer>)
      jclass qa_answer_class =
        env->FindClass("org/tensorflow/lite/task/text/qa/QaAnswer");
      jmethodID qa_answer_ctor =
        env->GetMethodID(qa_answer_class, "<init>", "(Ljava/lang/String;IIF)V");
      return ConvertVectorToArrayList<QaAnswer>(
        env, results,
        [env, qa_answer_class, qa_answer_ctor](const QaAnswer& ans) {
          jstring text = env->NewStringUTF(ans.text.data());
          jobject qa_answer =
              env->NewObject(qa_answer_class, qa_answer_ctor, text, ans.pos.start,
                             ans.pos.end, ans.pos.logit);
          env->DeleteLocalRef(text);
          return qa_answer;
        });
      }
    
      // Implements BaseTaskApi::deinitJni by delete the native object
      extern "C" JNIEXPORT void JNICALL Java_task_core_BaseTaskApi_deinitJni(
          JNIEnv* env, jobject thiz, jlong native_handle) {
        delete reinterpret_cast<QuestionAnswerer*>(native_handle);
      }
    

API iOS

Crea API iOS eseguendo il wrapping di un oggetto API nativo in un oggetto API ObjC. La creato può essere utilizzato in ObjC o Swift. L'API iOS richiede un'API nativa per la creazione.

Esempi di utilizzo

Ecco un esempio in cui viene utilizzato ObjC TFLBertQuestionAnswerer per MobileBert in Swift.

  static let mobileBertModelPath = "path/to/model.tflite";
  // Create the API from a model file and vocabulary file
  let mobileBertAnswerer = TFLBertQuestionAnswerer.mobilebertQuestionAnswerer(
      modelPath: mobileBertModelPath)

  static let context = ...; // context of a question to be answered
  static let question = ...; // question to be answered
  // ask a question
  let answers = mobileBertAnswerer.answer(
      context: TFLBertQuestionAnswererTest.context, question: TFLBertQuestionAnswererTest.question)
  // answers.[0].text is the best answer

Creazione dell'API

ios_task_api
Figura 4. API iOS Task

L'API iOS è un semplice wrapper ObjC sopra l'API nativa. Crea l'API procedendo nel seguente modo:

  • Definisci il wrapper ObjC: definisci una classe ObjC e delega la nell'oggetto API nativo corrispondente. Osserva l'architettura nativa le dipendenze possono essere visualizzate in un file .mm solo perché Swift non è in grado di interoperabilità con C++.

    • File .h
      @interface TFLBertQuestionAnswerer : NSObject
    
      // Delegate calls to the native BertQuestionAnswerer::CreateBertQuestionAnswerer
      + (instancetype)mobilebertQuestionAnswererWithModelPath:(NSString*)modelPath
                                                    vocabPath:(NSString*)vocabPath
          NS_SWIFT_NAME(mobilebertQuestionAnswerer(modelPath:vocabPath:));
    
      // Delegate calls to the native BertQuestionAnswerer::Answer
      - (NSArray<TFLQAAnswer*>*)answerWithContext:(NSString*)context
                                         question:(NSString*)question
          NS_SWIFT_NAME(answer(context:question:));
    }
    
    • File .mm
      using BertQuestionAnswererCPP = ::tflite::task::text::BertQuestionAnswerer;
    
      @implementation TFLBertQuestionAnswerer {
        // define an iVar for the native API object
        std::unique_ptr<QuestionAnswererCPP> _bertQuestionAnswerwer;
      }
    
      // Initialize the native API object
      + (instancetype)mobilebertQuestionAnswererWithModelPath:(NSString *)modelPath
                                              vocabPath:(NSString *)vocabPath {
        absl::StatusOr<std::unique_ptr<QuestionAnswererCPP>> cQuestionAnswerer =
            BertQuestionAnswererCPP::CreateBertQuestionAnswerer(MakeString(modelPath),
                                                                MakeString(vocabPath));
        _GTMDevAssert(cQuestionAnswerer.ok(), @"Failed to create BertQuestionAnswerer");
        return [[TFLBertQuestionAnswerer alloc]
            initWithQuestionAnswerer:std::move(cQuestionAnswerer.value())];
      }
    
      // Calls the native API and converts C++ results into ObjC results
      - (NSArray<TFLQAAnswer *> *)answerWithContext:(NSString *)context question:(NSString *)question {
        std::vector<QaAnswerCPP> results =
          _bertQuestionAnswerwer->Answer(MakeString(context), MakeString(question));
        return [self arrayFromVector:results];
      }
    }