आईओएस क्विकस्टार्ट, आईओएस क्विकस्टार्ट

iOS पर TensorFlow Lite के साथ आरंभ करने के लिए, हम निम्नलिखित उदाहरण को एक्सप्लोर करने की अनुशंसा करते हैं:

आईओएस 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, शीर्ष सबसे संभावित वर्गीकरण प्रदर्शित करता है। यह उपयोगकर्ता को फ़्लोटिंग पॉइंट या परिमाणित 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। प्रारंभिक बिंदु के रूप में स्विफ्ट छवि वर्गीकरण उदाहरण का उपयोग करके अपना स्वयं का आईओएस कोड लिखना प्रारंभ करें।

नीचे दिए गए अनुभाग प्रदर्शित करते हैं कि अपने प्रोजेक्ट में TensorFlow Lite Swift या Objective-C को कैसे जोड़ा जाए:

CocoaPods डेवलपर

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

तीव्र

use_frameworks!
pod 'TensorFlowLiteSwift'

उद्देश्य सी

pod 'TensorFlowLiteObjC'

संस्करण निर्दिष्ट करना

TensorFlowLiteSwift और TensorFlowLiteObjC पॉड दोनों के लिए स्थिर रिलीज़ और रात्रिकालीन रिलीज़ उपलब्ध हैं। यदि आप उपरोक्त उदाहरणों की तरह एक संस्करण बाधा निर्दिष्ट नहीं करते हैं, तो CocoaPods डिफ़ॉल्ट रूप से नवीनतम स्थिर रिलीज़ को खींच लेगा।

आप एक संस्करण बाधा भी निर्दिष्ट कर सकते हैं। उदाहरण के लिए, यदि आप संस्करण 2.0.0 पर निर्भर रहना चाहते हैं, तो आप निर्भरता को इस प्रकार लिख सकते हैं:

pod 'TensorFlowLiteSwift', '~> 2.0.0'

यह सुनिश्चित करेगा कि आपके ऐप में TensorFlowLiteSwift पॉड का नवीनतम उपलब्ध 2.xy संस्करण उपयोग किया गया है। वैकल्पिक रूप से, यदि आप रात के 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, डिफ़ॉल्ट रूप से GPU और Core ML प्रतिनिधियों को बाइनरी आकार को कम करने के लिए पॉड से बाहर रखा गया है। आप उन्हें सबस्पेक निर्दिष्ट करके 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 Podfile.lock फाइल बन जाती है, रात्रिकालीन पुस्तकालय संस्करण वर्तमान तिथि के संस्करण पर लॉक हो जाएगा। यदि आप रात के पुस्तकालय को नए 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।

बाजेल डेवलपर्स

अपनी BUILD फ़ाइल में, TensorFlowLite निर्भरता को अपने लक्ष्य में 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 = [
      "//third_party/tensorflow/lite:framework",
  ],
)

पुस्तकालय आयात करें

स्विफ्ट फ़ाइलों के लिए, TensorFlow Lite मॉड्यूल आयात करें:

import TensorFlowLite

उद्देश्य-सी फ़ाइलों के लिए, अम्ब्रेला हैडर आयात करें:

#import "TFLTensorFlowLite.h"

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

@import TFLTensorFlowLite;

iOS पर TensorFlow Lite के साथ आरंभ करने के लिए, हम निम्नलिखित उदाहरण को एक्सप्लोर करने की अनुशंसा करते हैं:

आईओएस 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, शीर्ष सबसे संभावित वर्गीकरण प्रदर्शित करता है। यह उपयोगकर्ता को फ़्लोटिंग पॉइंट या परिमाणित 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। प्रारंभिक बिंदु के रूप में स्विफ्ट छवि वर्गीकरण उदाहरण का उपयोग करके अपना स्वयं का आईओएस कोड लिखना प्रारंभ करें।

नीचे दिए गए अनुभाग प्रदर्शित करते हैं कि अपने प्रोजेक्ट में TensorFlow Lite Swift या Objective-C को कैसे जोड़ा जाए:

CocoaPods डेवलपर

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

तीव्र

use_frameworks!
pod 'TensorFlowLiteSwift'

उद्देश्य सी

pod 'TensorFlowLiteObjC'

संस्करण निर्दिष्ट करना

TensorFlowLiteSwift और TensorFlowLiteObjC पॉड दोनों के लिए स्थिर रिलीज़ और रात्रिकालीन रिलीज़ उपलब्ध हैं। यदि आप उपरोक्त उदाहरणों की तरह एक संस्करण बाधा निर्दिष्ट नहीं करते हैं, तो CocoaPods डिफ़ॉल्ट रूप से नवीनतम स्थिर रिलीज़ को खींच लेगा।

आप एक संस्करण बाधा भी निर्दिष्ट कर सकते हैं। उदाहरण के लिए, यदि आप संस्करण 2.0.0 पर निर्भर रहना चाहते हैं, तो आप निर्भरता को इस प्रकार लिख सकते हैं:

pod 'TensorFlowLiteSwift', '~> 2.0.0'

यह सुनिश्चित करेगा कि आपके ऐप में TensorFlowLiteSwift पॉड का नवीनतम उपलब्ध 2.xy संस्करण उपयोग किया गया है। वैकल्पिक रूप से, यदि आप रात के 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, डिफ़ॉल्ट रूप से GPU और Core ML प्रतिनिधियों को बाइनरी आकार को कम करने के लिए पॉड से बाहर रखा गया है। आप उन्हें सबस्पेक निर्दिष्ट करके 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 Podfile.lock फाइल बन जाती है, रात्रिकालीन पुस्तकालय संस्करण वर्तमान तिथि के संस्करण पर लॉक हो जाएगा। यदि आप रात के पुस्तकालय को नए 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।

बाजेल डेवलपर्स

अपनी BUILD फ़ाइल में, TensorFlowLite निर्भरता को अपने लक्ष्य में 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 = [
      "//third_party/tensorflow/lite:framework",
  ],
)

पुस्तकालय आयात करें

स्विफ्ट फ़ाइलों के लिए, TensorFlow Lite मॉड्यूल आयात करें:

import TensorFlowLite

उद्देश्य-सी फ़ाइलों के लिए, अम्ब्रेला हैडर आयात करें:

#import "TFLTensorFlowLite.h"

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

@import TFLTensorFlowLite;