التشغيل السريع لنظام التشغيل iOS ، التشغيل السريع لنظام التشغيل iOS

لبدء استخدام TensorFlow Lite على نظام iOS ، نوصي باستكشاف المثال التالي:

مثال على تصنيف صور iOS

للحصول على شرح لكود المصدر ، يجب عليك أيضًا قراءة تصنيف صور TensorFlow Lite iOS .

يستخدم هذا التطبيق النموذجي تصنيف الصور لتصنيف ما يراه باستمرار من الكاميرا الخلفية للجهاز ، مع عرض أفضل التصنيفات المحتملة. يسمح للمستخدم بالاختيار بين النقطة العائمة أو النموذج الكمي وتحديد عدد الخيوط لأداء الاستدلال عليها.

أضف TensorFlow Lite إلى مشروع Swift أو Objective-C

يقدم TensorFlow Lite مكتبات iOS أصلية مكتوبة بلغة Swift و Objective-C . ابدأ في كتابة كود iOS الخاص بك باستخدام مثال تصنيف Swift للصور كنقطة بداية.

توضح الأقسام أدناه كيفية إضافة TensorFlow Lite Swift أو Objective-C إلى مشروعك:

مطورو CocoaPods

في Podfile الخاص بك ، أضف حجرة TensorFlow Lite. ثم قم بتشغيل pod install .

سويفت

use_frameworks!
pod 'TensorFlowLiteSwift'

ج موضوعية

pod 'TensorFlowLiteObjC'

تحديد الإصدارات

هناك إصدارات مستقرة وإصدارات ليلية متاحة لكل من قرون TensorFlowLiteSwift و TensorFlowLiteObjC . إذا لم تحدد قيد إصدار كما في الأمثلة المذكورة أعلاه ، فسوف يسحب CocoaPods أحدث إصدار مستقر افتراضيًا.

يمكنك أيضًا تحديد قيد الإصدار. على سبيل المثال ، إذا كنت ترغب في الاعتماد على الإصدار 2.0.0 ، فيمكنك كتابة التبعية على النحو التالي:

pod 'TensorFlowLiteSwift', '~> 2.0.0'

سيضمن ذلك استخدام أحدث إصدار 2.xy متاح من TensorFlowLiteSwift في تطبيقك. بدلاً من ذلك ، إذا كنت تريد الاعتماد على التصميمات الليلية ، فيمكنك كتابة:

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

بدءًا من الإصدار 2.4.0 وأحدث الإصدارات الليلية ، يتم استبعاد مفوضي GPU و Core ML افتراضيًا من البود لتقليل الحجم الثنائي. يمكنك تضمينها عن طريق تحديد نوع فرعي:

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

سيسمح لك ذلك باستخدام أحدث الميزات المضافة إلى TensorFlow Lite. لاحظ أنه بمجرد إنشاء ملف Podfile.lock عند تشغيل أمر pod install لأول مرة ، سيتم قفل إصدار المكتبة الليلية في إصدار التاريخ الحالي. إذا كنت ترغب في تحديث المكتبة الليلية إلى المكتبة الأحدث ، يجب عليك تشغيل أمر pod update .

لمزيد من المعلومات حول الطرق المختلفة لتحديد قيود الإصدار ، راجع تحديد إصدارات pod .

مطوري Bazel

في ملف BUILD الخاص بك ، أضف تبعية TensorFlowLite إلى هدفك.

سويفت

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

ج موضوعية

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

واجهة برمجة تطبيقات C / C ++

بدلاً من ذلك ، يمكنك استخدام C API أو C ++ API

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

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

قم باستيراد المكتبة

بالنسبة لملفات Swift ، قم باستيراد وحدة TensorFlow Lite:

import TensorFlowLite

بالنسبة لملفات Objective-C ، قم باستيراد رأس المظلة:

#import "TFLTensorFlowLite.h"

أو ، الوحدة النمطية إذا قمت بتعيين CLANG_ENABLE_MODULES = YES في مشروع Xcode الخاص بك:

@import TFLTensorFlowLite;
و

لبدء استخدام TensorFlow Lite على نظام iOS ، نوصي باستكشاف المثال التالي:

مثال على تصنيف صور iOS

للحصول على شرح لكود المصدر ، يجب عليك أيضًا قراءة تصنيف صور TensorFlow Lite iOS .

يستخدم هذا التطبيق النموذجي تصنيف الصور لتصنيف ما يراه باستمرار من الكاميرا الخلفية للجهاز ، مع عرض أفضل التصنيفات المحتملة. يسمح للمستخدم بالاختيار بين النقطة العائمة أو النموذج الكمي وتحديد عدد الخيوط لأداء الاستدلال عليها.

أضف TensorFlow Lite إلى مشروع Swift أو Objective-C

يقدم TensorFlow Lite مكتبات iOS أصلية مكتوبة بلغة Swift و Objective-C . ابدأ في كتابة كود iOS الخاص بك باستخدام مثال تصنيف Swift للصور كنقطة بداية.

توضح الأقسام أدناه كيفية إضافة TensorFlow Lite Swift أو Objective-C إلى مشروعك:

مطورو CocoaPods

في Podfile الخاص بك ، أضف حجرة TensorFlow Lite. ثم قم بتشغيل pod install .

سويفت

use_frameworks!
pod 'TensorFlowLiteSwift'

ج موضوعية

pod 'TensorFlowLiteObjC'

تحديد الإصدارات

هناك إصدارات مستقرة وإصدارات ليلية متاحة لكل من قرون TensorFlowLiteSwift و TensorFlowLiteObjC . إذا لم تحدد قيد إصدار كما في الأمثلة المذكورة أعلاه ، فسوف يسحب CocoaPods أحدث إصدار مستقر افتراضيًا.

يمكنك أيضًا تحديد قيد الإصدار. على سبيل المثال ، إذا كنت ترغب في الاعتماد على الإصدار 2.0.0 ، فيمكنك كتابة التبعية على النحو التالي:

pod 'TensorFlowLiteSwift', '~> 2.0.0'

سيضمن ذلك استخدام أحدث إصدار 2.xy متاح من TensorFlowLiteSwift في تطبيقك. بدلاً من ذلك ، إذا كنت تريد الاعتماد على التصميمات الليلية ، فيمكنك كتابة:

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

بدءًا من الإصدار 2.4.0 وأحدث الإصدارات الليلية ، يتم استبعاد مفوضي GPU و Core ML افتراضيًا من البود لتقليل الحجم الثنائي. يمكنك تضمينها عن طريق تحديد نوع فرعي:

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

سيسمح لك ذلك باستخدام أحدث الميزات المضافة إلى TensorFlow Lite. لاحظ أنه بمجرد إنشاء ملف Podfile.lock عند تشغيل أمر pod install لأول مرة ، سيتم قفل إصدار المكتبة الليلية في إصدار التاريخ الحالي. إذا كنت ترغب في تحديث المكتبة الليلية إلى المكتبة الأحدث ، يجب عليك تشغيل أمر pod update .

لمزيد من المعلومات حول الطرق المختلفة لتحديد قيود الإصدار ، راجع تحديد إصدارات pod .

مطوري Bazel

في ملف BUILD الخاص بك ، أضف تبعية TensorFlowLite إلى هدفك.

سويفت

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

ج موضوعية

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

واجهة برمجة تطبيقات C / C ++

بدلاً من ذلك ، يمكنك استخدام C API أو C ++ API

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

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

قم باستيراد المكتبة

بالنسبة لملفات Swift ، قم باستيراد وحدة TensorFlow Lite:

import TensorFlowLite

بالنسبة لملفات Objective-C ، قم باستيراد رأس المظلة:

#import "TFLTensorFlowLite.h"

أو ، الوحدة النمطية إذا قمت بتعيين CLANG_ENABLE_MODULES = YES في مشروع Xcode الخاص بك:

@import TFLTensorFlowLite;