iOS เริ่มต้นอย่างรวดเร็ว

ในการเริ่มต้นใช้งาน TensorFlow Lite บน iOS เราขอแนะนำให้สำรวจตัวอย่างต่อไปนี้:

ตัวอย่างการจำแนกรูปภาพ iOS

สำหรับคำอธิบายของซอร์สโค้ด คุณควรอ่าน การจัดหมวดหมู่รูปภาพ TensorFlow Lite iOS

แอปตัวอย่างนี้ใช้การ จัดประเภทรูปภาพ เพื่อจำแนกสิ่งที่เห็นจากกล้องด้านหลังของอุปกรณ์อย่างต่อเนื่อง โดยแสดงการจำแนกประเภทที่เป็นไปได้สูงสุด อนุญาตให้ผู้ใช้เลือกระหว่างจุดลอยตัวหรือแบบจำลอง เชิงปริมาณ และเลือกจำนวนเธรดเพื่อทำการอนุมาน

เพิ่ม TensorFlow Lite ให้กับโครงการ Swift หรือ Objective-C ของคุณ

TensorFlow Lite มีไลบรารี iOS ดั้งเดิมที่เขียนด้วย Swift และ Objective-C เริ่มเขียนโค้ด iOS ของคุณเองโดยใช้ ตัวอย่างการจัดประเภทรูปภาพ Swift เป็นจุดเริ่มต้น

ส่วนด้านล่างสาธิตวิธีการเพิ่ม TensorFlow Lite Swift หรือ Objective-C ให้กับโครงการของคุณ:

นักพัฒนา CocoaPods

ใน Podfile ของคุณ ให้เพิ่มพ็อด TensorFlow Lite จากนั้นเรียกใช้ pod install

Swift

use_frameworks!
pod 'TensorFlowLiteSwift'

วัตถุประสงค์-C

pod 'TensorFlowLiteObjC'

การระบุรุ่น

มีการเผยแพร่ที่เสถียรและการเผยแพร่ทุกคืนสำหรับทั้ง TensorFlowLiteSwift และ TensorFlowLiteObjC หากคุณไม่ได้ระบุข้อจำกัดเวอร์ชันตามตัวอย่างด้านบน CocoaPods จะดึงเวอร์ชันเสถียรล่าสุดโดยค่าเริ่มต้น

คุณยังสามารถระบุข้อจำกัดเวอร์ชันได้ ตัวอย่างเช่น หากคุณต้องการพึ่งพาเวอร์ชัน 2.0.0 คุณสามารถเขียนการพึ่งพาได้ดังนี้:

pod 'TensorFlowLiteSwift', '~> 2.0.0'

การดำเนินการนี้จะช่วยให้แน่ใจว่ามีการใช้พ็อด TensorFlowLiteSwift เวอร์ชัน TensorFlowLiteSwift ล่าสุดในแอปของคุณ อีกทางหนึ่ง หากคุณต้องการพึ่งพางานสร้างทุกคืน คุณสามารถเขียน:

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

ตั้งแต่เวอร์ชัน 2.4.0 และรุ่นล่าสุดทุกคืน โดยค่าเริ่มต้น ผู้ได้รับมอบหมาย GPU และ Core ML จะไม่รวมอยู่ในพ็อดเพื่อลดขนาดไบนารี คุณสามารถรวมได้โดยระบุข้อกำหนดย่อย:

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

ซึ่งจะทำให้คุณใช้คุณสมบัติล่าสุดที่เพิ่มเข้ามาใน TensorFlow Lite ได้ โปรดทราบว่าเมื่อไฟล์ Podfile.lock ถูกสร้างขึ้นเมื่อคุณเรียกใช้คำสั่ง pod install เป็นครั้งแรก เวอร์ชันของไลบรารีทุกคืนจะถูกล็อกที่เวอร์ชันของวันที่ปัจจุบัน หากคุณต้องการอัปเดตไลบรารี่ทุกคืนเป็นไลบรารีที่ใหม่กว่า คุณควรเรียกใช้คำสั่ง pod update

สำหรับข้อมูลเพิ่มเติมเกี่ยวกับวิธีการระบุข้อจำกัดเวอร์ชันต่างๆ โปรดดูที่ การระบุเวอร์ชันของพ็อด

นักพัฒนา Bazel

ในไฟล์ BUILD ของคุณ เพิ่มการพึ่งพา TensorFlowLite ให้กับเป้าหมายของคุณ

Swift

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

วัตถุประสงค์-C

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

C/C++ API

หรือคุณสามารถใช้ C API หรือ 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",
  ],
)

นำเข้าห้องสมุด

สำหรับไฟล์ Swift ให้นำเข้าโมดูล TensorFlow Lite:

import TensorFlowLite

สำหรับไฟล์ Objective-C ให้นำเข้าส่วนหัวของร่ม:

#import "TFLTensorFlowLite.h"

หรือโมดูลหากคุณตั้งค่า CLANG_ENABLE_MODULES = YES ในโครงการ Xcode ของคุณ:

@import TFLTensorFlowLite;