iOS-এ TensorFlow Lite দিয়ে শুরু করার জন্য, আমরা নিম্নলিখিত উদাহরণগুলি অন্বেষণ করার পরামর্শ দিই:
সোর্স কোডের ব্যাখ্যার জন্য, আপনাকে টেনসরফ্লো লাইট iOS ইমেজ শ্রেণীবিভাগও পড়তে হবে।
এই উদাহরণ অ্যাপটি ডিভাইসের পিছনের ক্যামেরা থেকে যা কিছু দেখায় তা ক্রমাগত শ্রেণীবদ্ধ করতে ইমেজ শ্রেণীবিভাগ ব্যবহার করে, শীর্ষস্থানীয় সম্ভাব্য শ্রেণীবিভাগ প্রদর্শন করে। এটি ব্যবহারকারীকে একটি ফ্লোটিং পয়েন্ট বা কোয়ান্টাইজড মডেলের মধ্যে বেছে নিতে এবং অনুমান করার জন্য থ্রেডের সংখ্যা নির্বাচন করতে দেয়।
আপনার সুইফট বা অবজেক্টিভ-সি প্রকল্পে টেনসরফ্লো লাইট যোগ করুন
TensorFlow Lite সুইফট এবং অবজেক্টিভ-সি-তে লেখা নেটিভ iOS লাইব্রেরি অফার করে। একটি প্রারম্ভিক বিন্দু হিসাবে সুইফট ইমেজ শ্রেণীবিভাগের উদাহরণ ব্যবহার করে আপনার নিজের iOS কোড লিখতে শুরু করুন।
নীচের বিভাগগুলি প্রদর্শন করে যে কীভাবে আপনার প্রকল্পে টেনসরফ্লো লাইট সুইফ্ট বা অবজেক্টিভ-সি যুক্ত করবেন:
কোকোপডস ডেভেলপার
আপনার Podfile
, টেনসরফ্লো লাইট পড যোগ করুন। তারপর, pod install
চালান।
সুইফট
use_frameworks!
pod 'TensorFlowLiteSwift'
উদ্দেশ্য গ
pod 'TensorFlowLiteObjC'
নির্দিষ্ট সংস্করণ
TensorFlowLiteSwift
এবং TensorFlowLiteObjC
পড উভয়ের জন্যই স্থিতিশীল রিলিজ এবং রাতের জন্য রিলিজ পাওয়া যায়। যদি আপনি উপরের উদাহরণগুলির মতো একটি সংস্করণের সীমাবদ্ধতা নির্দিষ্ট না করেন, CocoaPods ডিফল্টরূপে সর্বশেষ স্থিতিশীল রিলিজ টানবে।
আপনি একটি সংস্করণ সীমাবদ্ধতাও নির্দিষ্ট করতে পারেন। উদাহরণস্বরূপ, আপনি যদি 2.0.0 সংস্করণের উপর নির্ভর করতে চান তবে আপনি নির্ভরতা লিখতে পারেন:
pod 'TensorFlowLiteSwift', '~> 2.0.0'
এটি নিশ্চিত করবে যে আপনার অ্যাপে TensorFlowLiteSwift
পডের সর্বশেষ উপলব্ধ 2.xy সংস্করণ ব্যবহার করা হয়েছে। বিকল্পভাবে, আপনি যদি রাতের বিল্ডগুলির উপর নির্ভর করতে চান তবে আপনি লিখতে পারেন:
pod 'TensorFlowLiteSwift', '~> 0.0.1-nightly'
2.4.0 সংস্করণ এবং সর্বশেষ রাতের রিলিজ থেকে, ডিফল্টভাবে GPU এবং কোর ML প্রতিনিধিদের বাইনারি আকার কমাতে পড থেকে বাদ দেওয়া হয়। আপনি সাবস্পেক নির্দিষ্ট করে তাদের অন্তর্ভুক্ত করতে পারেন:
pod 'TensorFlowLiteSwift', '~> 0.0.1-nightly', :subspecs => ['CoreML', 'Metal']
এটি আপনাকে টেনসরফ্লো লাইটে যোগ করা সর্বশেষ বৈশিষ্ট্যগুলি ব্যবহার করার অনুমতি দেবে। উল্লেখ্য যে একবার Podfile.lock
ফাইলটি তৈরি হয়ে গেলে যখন আপনি প্রথমবারের মতো pod install
কমান্ড চালাবেন, রাতের লাইব্রেরি সংস্করণটি বর্তমান তারিখের সংস্করণে লক হয়ে যাবে। আপনি যদি রাতের লাইব্রেরিটিকে নতুনটিতে আপডেট করতে চান তবে আপনাকে pod update
কমান্ড চালাতে হবে।
সংস্করণ সীমাবদ্ধতা নির্দিষ্ট করার বিভিন্ন উপায় সম্পর্কে আরও তথ্যের জন্য, পড সংস্করণ নির্দিষ্ট করা দেখুন।
বেজেল ডেভেলপার
আপনার BUILD
ফাইলে, আপনার লক্ষ্যে TensorFlowLite
নির্ভরতা যোগ করুন।
সুইফট
swift_library(
deps = [
"//tensorflow/lite/swift:TensorFlowLite",
],
)
উদ্দেশ্য গ
objc_library(
deps = [
"//tensorflow/lite/objc:TensorFlowLite",
],
)
C/C++ API
বিকল্পভাবে, আপনি C API বা C++ API ব্যবহার করতে পারেন
# Using C API directly
objc_library(
deps = [
"//tensorflow/lite/c:c_api",
],
)
# Using C++ API directly
objc_library(
deps = [
"//third_party/tensorflow/lite:framework",
],
)
লাইব্রেরি আমদানি করুন
সুইফট ফাইলের জন্য, TensorFlow Lite মডিউল আমদানি করুন:
import TensorFlowLite
অবজেক্টিভ-সি ফাইলের জন্য, ছাতা হেডার আমদানি করুন:
#import "TFLTensorFlowLite.h"
অথবা, মডিউলটি যদি আপনি CLANG_ENABLE_MODULES = YES
আপনার Xcode প্রকল্পে সেট করেন:
@import TFLTensorFlowLite;
,iOS-এ TensorFlow Lite দিয়ে শুরু করার জন্য, আমরা নিম্নলিখিত উদাহরণগুলি অন্বেষণ করার পরামর্শ দিই:
সোর্স কোডের ব্যাখ্যার জন্য, আপনাকে টেনসরফ্লো লাইট iOS ইমেজ শ্রেণীবিভাগও পড়তে হবে।
এই উদাহরণ অ্যাপটি ডিভাইসের পিছনের ক্যামেরা থেকে যা কিছু দেখায় তা ক্রমাগত শ্রেণীবদ্ধ করতে ইমেজ শ্রেণীবিভাগ ব্যবহার করে, শীর্ষস্থানীয় সম্ভাব্য শ্রেণীবিভাগ প্রদর্শন করে। এটি ব্যবহারকারীকে একটি ফ্লোটিং পয়েন্ট বা কোয়ান্টাইজড মডেলের মধ্যে বেছে নিতে এবং অনুমান করার জন্য থ্রেডের সংখ্যা নির্বাচন করতে দেয়।
আপনার সুইফট বা অবজেক্টিভ-সি প্রকল্পে টেনসরফ্লো লাইট যোগ করুন
TensorFlow Lite সুইফট এবং অবজেক্টিভ-সি-তে লেখা নেটিভ iOS লাইব্রেরি অফার করে। একটি প্রারম্ভিক বিন্দু হিসাবে সুইফট ইমেজ শ্রেণীবিভাগের উদাহরণ ব্যবহার করে আপনার নিজের iOS কোড লিখতে শুরু করুন।
নীচের বিভাগগুলি প্রদর্শন করে যে কীভাবে আপনার প্রকল্পে টেনসরফ্লো লাইট সুইফ্ট বা অবজেক্টিভ-সি যুক্ত করবেন:
কোকোপডস ডেভেলপার
আপনার Podfile
, টেনসরফ্লো লাইট পড যোগ করুন। তারপর, pod install
চালান।
সুইফট
use_frameworks!
pod 'TensorFlowLiteSwift'
উদ্দেশ্য গ
pod 'TensorFlowLiteObjC'
নির্দিষ্ট সংস্করণ
TensorFlowLiteSwift
এবং TensorFlowLiteObjC
পড উভয়ের জন্যই স্থিতিশীল রিলিজ এবং রাতের জন্য রিলিজ পাওয়া যায়। যদি আপনি উপরের উদাহরণগুলির মতো একটি সংস্করণের সীমাবদ্ধতা নির্দিষ্ট না করেন, CocoaPods ডিফল্টরূপে সর্বশেষ স্থিতিশীল রিলিজ টানবে।
আপনি একটি সংস্করণ সীমাবদ্ধতাও নির্দিষ্ট করতে পারেন। উদাহরণস্বরূপ, আপনি যদি 2.0.0 সংস্করণের উপর নির্ভর করতে চান তবে আপনি নির্ভরতা লিখতে পারেন:
pod 'TensorFlowLiteSwift', '~> 2.0.0'
এটি নিশ্চিত করবে যে আপনার অ্যাপে TensorFlowLiteSwift
পডের সর্বশেষ উপলব্ধ 2.xy সংস্করণ ব্যবহার করা হয়েছে। বিকল্পভাবে, আপনি যদি রাতের বিল্ডগুলির উপর নির্ভর করতে চান তবে আপনি লিখতে পারেন:
pod 'TensorFlowLiteSwift', '~> 0.0.1-nightly'
2.4.0 সংস্করণ এবং সর্বশেষ রাতের রিলিজ থেকে, ডিফল্টভাবে GPU এবং কোর ML প্রতিনিধিদের বাইনারি আকার কমাতে পড থেকে বাদ দেওয়া হয়। আপনি সাবস্পেক নির্দিষ্ট করে তাদের অন্তর্ভুক্ত করতে পারেন:
pod 'TensorFlowLiteSwift', '~> 0.0.1-nightly', :subspecs => ['CoreML', 'Metal']
এটি আপনাকে টেনসরফ্লো লাইটে যোগ করা সর্বশেষ বৈশিষ্ট্যগুলি ব্যবহার করার অনুমতি দেবে। উল্লেখ্য যে একবার Podfile.lock
ফাইলটি তৈরি হয়ে গেলে যখন আপনি প্রথমবারের মতো pod install
কমান্ড চালাবেন, রাতের লাইব্রেরি সংস্করণটি বর্তমান তারিখের সংস্করণে লক হয়ে যাবে। আপনি যদি রাতের লাইব্রেরিটিকে নতুনটিতে আপডেট করতে চান তবে আপনাকে pod update
কমান্ড চালাতে হবে।
সংস্করণ সীমাবদ্ধতা নির্দিষ্ট করার বিভিন্ন উপায় সম্পর্কে আরও তথ্যের জন্য, পড সংস্করণ নির্দিষ্ট করা দেখুন।
বেজেল ডেভেলপার
আপনার BUILD
ফাইলে, আপনার লক্ষ্যে TensorFlowLite
নির্ভরতা যোগ করুন।
সুইফট
swift_library(
deps = [
"//tensorflow/lite/swift:TensorFlowLite",
],
)
উদ্দেশ্য গ
objc_library(
deps = [
"//tensorflow/lite/objc:TensorFlowLite",
],
)
C/C++ API
বিকল্পভাবে, আপনি C API বা C++ API ব্যবহার করতে পারেন
# Using C API directly
objc_library(
deps = [
"//tensorflow/lite/c:c_api",
],
)
# Using C++ API directly
objc_library(
deps = [
"//third_party/tensorflow/lite:framework",
],
)
লাইব্রেরি আমদানি করুন
সুইফট ফাইলের জন্য, TensorFlow Lite মডিউল আমদানি করুন:
import TensorFlowLite
অবজেক্টিভ-সি ফাইলের জন্য, ছাতা হেডার আমদানি করুন:
#import "TFLTensorFlowLite.h"
অথবা, মডিউলটি যদি আপনি CLANG_ENABLE_MODULES = YES
আপনার Xcode প্রকল্পে সেট করেন:
@import TFLTensorFlowLite;