आईओएस क्विकस्टार्ट

iOS पर TensorFlow Lite के साथ शुरुआत करने के लिए, हम निम्नलिखित उदाहरण तलाशने की सलाह देते हैं:

iOS छवि वर्गीकरण उदाहरण

स्रोत कोड की व्याख्या के लिए, आपको TensorFlow Lite iOS छवि वर्गीकरण भी पढ़ना चाहिए।

यह उदाहरण ऐप डिवाइस के रियर-फेसिंग कैमरे से जो कुछ भी देखता है उसे लगातार वर्गीकृत करने के लिए छवि वर्गीकरण का उपयोग करता है, और सबसे संभावित वर्गीकरण प्रदर्शित करता है। यह उपयोगकर्ता को फ़्लोटिंग पॉइंट या क्वांटाइज़्ड मॉडल के बीच चयन करने और अनुमान लगाने के लिए थ्रेड्स की संख्या का चयन करने की अनुमति देता है।

अपने स्विफ्ट या ऑब्जेक्टिव-सी प्रोजेक्ट में TensorFlow Lite जोड़ें

TensorFlow Lite स्विफ्ट और ऑब्जेक्टिव-सी में लिखी गई देशी iOS लाइब्रेरी प्रदान करता है। शुरुआती बिंदु के रूप में स्विफ्ट छवि वर्गीकरण उदाहरण का उपयोग करके अपना स्वयं का iOS कोड लिखना प्रारंभ करें।

नीचे दिए गए अनुभाग दर्शाते हैं कि अपने प्रोजेक्ट में TensorFlow Lite स्विफ्ट या ऑब्जेक्टिव-सी कैसे जोड़ें:

कोकोपोड्स डेवलपर्स

अपने Podfile में, TensorFlow Lite पॉड जोड़ें। फिर, pod install चलाएँ।

तीव्र

use_frameworks!
pod 'TensorFlowLiteSwift'

उद्देश्य सी

pod 'TensorFlowLiteObjC'

संस्करण निर्दिष्ट करना

TensorFlowLiteSwift और TensorFlowLiteObjC पॉड्स दोनों के लिए स्थिर रिलीज़ और रात्रिकालीन रिलीज़ उपलब्ध हैं। यदि आप उपरोक्त उदाहरणों के अनुसार संस्करण बाधा निर्दिष्ट नहीं करते हैं, तो कोकोपोड्स डिफ़ॉल्ट रूप से नवीनतम स्थिर रिलीज़ को खींच लेगा।

आप एक संस्करण बाधा भी निर्दिष्ट कर सकते हैं. उदाहरण के लिए, यदि आप संस्करण 2.10.0 पर निर्भर रहना चाहते हैं, तो आप निर्भरता को इस प्रकार लिख सकते हैं:

pod 'TensorFlowLiteSwift', '~> 2.10.0'

यह सुनिश्चित करेगा कि आपके ऐप में TensorFlowLiteSwift पॉड का नवीनतम उपलब्ध 2.xy संस्करण उपयोग किया जाए। वैकल्पिक रूप से, यदि आप रात्रि निर्माण पर निर्भर रहना चाहते हैं, तो आप लिख सकते हैं:

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

2.4.0 संस्करण और नवीनतम रात्रिकालीन रिलीज़ से, बाइनरी आकार को कम करने के लिए डिफ़ॉल्ट रूप से जीपीयू और कोर एमएल प्रतिनिधियों को पॉड से बाहर रखा गया है। आप उप-विशेष निर्दिष्ट करके उन्हें शामिल कर सकते हैं:

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

यह आपको TensorFlow Lite में जोड़ी गई नवीनतम सुविधाओं का उपयोग करने की अनुमति देगा। ध्यान दें कि जब आप पहली बार pod install कमांड चलाते हैं तो एक बार Podfile.lock फ़ाइल बन जाती है, तो रात्रिकालीन लाइब्रेरी संस्करण वर्तमान तिथि के संस्करण पर लॉक हो जाएगा। यदि आप रात्रिकालीन लाइब्रेरी को नई लाइब्रेरी में अपडेट करना चाहते हैं, तो आपको pod update कमांड चलाना चाहिए।

संस्करण बाधाओं को निर्दिष्ट करने के विभिन्न तरीकों के बारे में अधिक जानकारी के लिए, पॉड संस्करण निर्दिष्ट करना देखें।

बेज़ेल डेवलपर्स

अपनी BUILD फ़ाइल में, अपने लक्ष्य में TensorFlowLite निर्भरता जोड़ें।

तीव्र

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

उद्देश्य सी

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

सी/सी++ एपीआई

वैकल्पिक रूप से, आप C API या C++ API का उपयोग कर सकते हैं

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

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

लाइब्रेरी आयात करें

स्विफ्ट फ़ाइलों के लिए, TensorFlow Lite मॉड्यूल आयात करें:

import TensorFlowLite

ऑब्जेक्टिव-सी फ़ाइलों के लिए, अम्ब्रेला हेडर आयात करें:

#import "TFLTensorFlowLite.h"

या, यदि आप अपने Xcode प्रोजेक्ट में CLANG_ENABLE_MODULES = YES सेट करते हैं तो मॉड्यूल:

@import TFLTensorFlowLite;