Dokumen ini menjelaskan cara membuat pustaka iOS TensorFlow Lite sendiri. Biasanya, Anda tidak perlu membuat pustaka iOS TensorFlow Lite secara lokal. Jika Anda hanya ingin menggunakannya, cara termudah adalah menggunakan TensorFlow Lite CocoaPods yang dirilis secara stabil atau rilis malam. Lihat mulai cepat iOS untuk detail lebih lanjut tentang cara menggunakannya dalam proyek iOS Anda.
Membangun secara lokal
Dalam beberapa kasus, Anda mungkin ingin menggunakan versi lokal TensorFlow Lite, misalnya saat Anda ingin membuat perubahan lokal pada TensorFlow Lite dan menguji perubahan tersebut di aplikasi iOS atau Anda lebih suka menggunakan kerangka kerja statis dibandingkan kerangka dinamis yang kami sediakan. Untuk membuat framework iOS universal untuk TensorFlow Lite secara lokal, Anda perlu membuatnya menggunakan Bazel di mesin macOS.
Instal Xcode
Jika Anda belum melakukannya, Anda perlu menginstal Xcode 8 atau lebih baru dan alat-alatnya menggunakan xcode-select
:
xcode-select --install
Jika ini adalah instalasi baru, Anda harus menerima perjanjian lisensi untuk semua pengguna dengan perintah berikut:
sudo xcodebuild -license accept
Instal Bazel
Bazel adalah sistem build utama untuk TensorFlow. Instal Bazel sesuai petunjuk di situs web Bazel . Pastikan untuk memilih versi antara _TF_MIN_BAZEL_VERSION
dan _TF_MAX_BAZEL_VERSION
dalam file configure.py
di root repositori tensorflow
.
Konfigurasikan WORKSPACE dan .bazelrc
Jalankan skrip ./configure
di direktori root checkout TensorFlow, dan jawab "Ya" saat skrip menanyakan apakah Anda ingin membuat TensorFlow dengan dukungan iOS.
Membangun framework dinamis TensorFlowLiteC (direkomendasikan)
Setelah Bazel dikonfigurasi dengan benar dengan dukungan iOS, Anda dapat membangun framework TensorFlowLiteC
dengan perintah berikut.
bazel build --config=ios_fat -c opt --cxxopt=--std=c++17 \
//tensorflow/lite/ios:TensorFlowLiteC_framework
Perintah ini akan menghasilkan file TensorFlowLiteC_framework.zip
di direktori bazel-bin/tensorflow/lite/ios/
di bawah direktori root TensorFlow Anda. Secara default, kerangka kerja yang dihasilkan berisi biner "gemuk", berisi armv7, arm64, dan x86_64 (tetapi tidak ada i386). Untuk melihat daftar lengkap flag build yang digunakan saat Anda menentukan --config=ios_fat
, lihat bagian konfigurasi iOS di file .bazelrc
.
Membangun kerangka kerja statis TensorFlowLiteC
Secara default, kami hanya mendistribusikan kerangka dinamis melalui Cocoapods. Jika ingin menggunakan framework statis, Anda dapat membuat framework statis TensorFlowLiteC
dengan perintah berikut:
bazel build --config=ios_fat -c opt --cxxopt=--std=c++17 \
//tensorflow/lite/ios:TensorFlowLiteC_static_framework
Perintah ini akan menghasilkan file bernama TensorFlowLiteC_static_framework.zip
di bawah direktori bazel-bin/tensorflow/lite/ios/
di bawah direktori root TensorFlow Anda. Kerangka kerja statis ini dapat digunakan dengan cara yang sama seperti kerangka dinamis.
Membangun kerangka kerja TFLite secara selektif
Anda dapat membangun kerangka kerja yang lebih kecil yang hanya menargetkan sekumpulan model menggunakan build selektif, yang akan melewatkan operasi yang tidak digunakan dalam kumpulan model Anda dan hanya menyertakan kernel operasi yang diperlukan untuk menjalankan kumpulan model tertentu. Perintahnya adalah sebagai berikut:
bash tensorflow/lite/ios/build_frameworks.sh \
--input_models=model1.tflite,model2.tflite \
--target_archs=x86_64,armv7,arm64
Perintah di atas akan menghasilkan framework statis bazel-bin/tensorflow/lite/ios/tmp/TensorFlowLiteC_framework.zip
untuk operasi bawaan dan kustom TensorFlow Lite; dan secara opsional, buat kerangka kerja statis bazel-bin/tensorflow/lite/ios/tmp/TensorFlowLiteSelectTfOps_framework.zip
jika model Anda berisi operasi Select TensorFlow. Perhatikan bahwa tanda --target_archs
dapat digunakan untuk menentukan arsitektur penerapan Anda.
Gunakan dalam aplikasi Anda sendiri
Pengembang CocoaPods
Ada tiga CocoaPod untuk TensorFlow Lite:
-
TensorFlowLiteSwift
: Menyediakan API Swift untuk TensorFlow Lite. -
TensorFlowLiteObjC
: Menyediakan API Objective-C untuk TensorFlow Lite. -
TensorFlowLiteC
: Pod dasar umum, yang menyematkan runtime inti TensorFlow Lite dan mengekspos API C dasar yang digunakan oleh dua pod di atas. Tidak dimaksudkan untuk langsung digunakan oleh pengguna.
Sebagai developer, Anda harus memilih pod TensorFlowLiteSwift
atau TensorFlowLiteObjC
berdasarkan bahasa penulisan aplikasi Anda, namun tidak keduanya. Langkah-langkah sebenarnya untuk menggunakan build lokal TensorFlow Lite berbeda-beda, bergantung pada bagian mana yang ingin Anda build.
Menggunakan API Swift atau Objective-C lokal
Jika Anda menggunakan CocoaPods, dan hanya ingin menguji beberapa perubahan lokal pada Swift API atau Objective-C API TensorFlow Lite, ikuti langkah-langkah di sini.
Buat perubahan pada API Swift atau Objective-C di checkout
tensorflow
Anda.Buka file
TensorFlowLite(Swift|ObjC).podspec
, dan perbarui baris ini:
s.dependency 'TensorFlowLiteC', "#{s.version}"
menjadi:
s.dependency 'TensorFlowLiteC', "~> 0.0.1-nightly"
Hal ini untuk memastikan bahwa Anda membuat API Swift atau Objective-C menggunakan versi terbaruTensorFlowLiteC
API yang tersedia setiap malam (dibuat setiap malam antara pukul 01.00-04.00 Waktu Pasifik) dan bukan versi stabil, yang mungkin sudah ketinggalan jaman dibandingkan dengantensorflow
lokal Anda Periksa. Alternatifnya, Anda dapat memilih untuk memublikasikanTensorFlowLiteC
versi Anda sendiri dan menggunakan versi tersebut (lihat bagian Menggunakan inti TensorFlow Lite lokal di bawah).Di
Podfile
proyek iOS Anda, ubah ketergantungan sebagai berikut untuk menunjuk ke jalur lokal ke direktori roottensorflow
Anda.
Untuk Swift:
pod 'TensorFlowLiteSwift', :path => '<your_tensorflow_root_dir>'
Untuk Objective-C:
pod 'TensorFlowLiteObjC', :path => '<your_tensorflow_root_dir>'
Perbarui instalasi pod Anda dari direktori root proyek iOS Anda.
$ pod update
Buka kembali ruang kerja yang dihasilkan (
<project>.xcworkspace
) dan bangun kembali aplikasi Anda dalam Xcode.
Menggunakan inti TensorFlow Lite lokal
Anda dapat menyiapkan repositori spesifikasi CocoaPods pribadi, dan memublikasikan framework TensorFlowLiteC
kustom Anda ke repo pribadi Anda. Anda dapat menyalin file podspec ini dan mengubah beberapa nilai:
...
s.version = <your_desired_version_tag>
...
# Note the `///`, two from the `file://` and one from the `/path`.
s.source = { :http => "file:///path/to/TensorFlowLiteC_framework.zip" }
...
s.vendored_frameworks = 'TensorFlowLiteC.framework'
...
Setelah membuat file TensorFlowLiteC.podspec
Anda sendiri, Anda dapat mengikuti petunjuk penggunaan CocoaPods pribadi untuk menggunakannya dalam proyek Anda sendiri. Anda juga dapat memodifikasi TensorFlowLite(Swift|ObjC).podspec
agar menunjuk ke pod TensorFlowLiteC
kustom Anda dan menggunakan pod Swift atau Objective-C dalam proyek aplikasi Anda.
Pengembang Bazel
Jika Anda menggunakan Bazel sebagai alat pembangunan utama, Anda cukup menambahkan ketergantungan TensorFlowLite
ke target Anda di file BUILD
Anda.
Untuk Swift:
swift_library(
deps = [
"//tensorflow/lite/swift:TensorFlowLite",
],
)
Untuk Objective-C:
objc_library(
deps = [
"//tensorflow/lite/objc:TensorFlowLite",
],
)
Saat Anda membuat proyek aplikasi, perubahan apa pun pada pustaka TensorFlow Lite akan diambil dan dimasukkan ke dalam aplikasi Anda.
Ubah pengaturan proyek Xcode secara langsung
Sangat disarankan untuk menggunakan CocoaPods atau Bazel untuk menambahkan ketergantungan TensorFlow Lite ke dalam proyek Anda. Jika Anda masih ingin menambahkan framework TensorFlowLiteC
secara manual, Anda harus menambahkan framework TensorFlowLiteC
sebagai framework tersemat ke project aplikasi Anda. Buka zip TensorFlowLiteC_framework.zip
yang dihasilkan dari build di atas untuk mendapatkan direktori TensorFlowLiteC.framework
. Direktori ini adalah kerangka kerja sebenarnya yang dapat dipahami oleh Xcode.
Setelah menyiapkan TensorFlowLiteC.framework
, pertama-tama Anda perlu menambahkannya sebagai biner tersemat ke target aplikasi Anda. Bagian pengaturan proyek yang tepat untuk ini mungkin berbeda tergantung pada versi Xcode Anda.
- Xcode 11: Buka tab 'Umum' pada editor proyek untuk target aplikasi Anda, dan tambahkan
TensorFlowLiteC.framework
di bagian 'Kerangka, Pustaka, dan Konten Tersemat'. - Xcode 10 dan yang lebih lama: Buka tab 'Umum' pada editor proyek untuk target aplikasi Anda, dan tambahkan
TensorFlowLiteC.framework
di bawah 'Binari Tersemat'. Kerangka kerja ini juga harus ditambahkan secara otomatis di bagian 'Kerangka Kerja dan Perpustakaan Tertaut'.
Saat Anda menambahkan kerangka kerja sebagai biner tertanam, Xcode juga akan memperbarui entri 'Jalur Pencarian Kerangka' di bawah tab 'Pengaturan Bangun' untuk menyertakan direktori induk kerangka kerja Anda. Jika hal ini tidak terjadi secara otomatis, Anda harus menambahkan direktori induk dari direktori TensorFlowLiteC.framework
secara manual.
Setelah kedua pengaturan ini selesai, Anda seharusnya dapat mengimpor dan memanggil C API TensorFlow Lite, yang ditentukan oleh file header di direktori TensorFlowLiteC.framework/Headers
.