İOS'ta TensorFlow Lite'ı kullanmaya başlamak için aşağıdaki örneği incelemenizi öneririz:
iOS görüntü sınıflandırma örneği
Kaynak kodunun açıklaması için TensorFlow Lite iOS görüntü sınıflandırmasını da okumalısınız.
Bu örnek uygulama, cihazın arka kamerasından gördüğü her şeyi sürekli olarak sınıflandırmak için görüntü sınıflandırmasını kullanır ve en olası sınıflandırmaları görüntüler. Kullanıcının kayan nokta veya nicelenmiş model arasında seçim yapmasına ve çıkarımın gerçekleştirileceği iş parçacığı sayısını seçmesine olanak tanır.
TensorFlow Lite'ı Swift veya Objective-C projenize ekleyin
TensorFlow Lite, Swift ve Objective-C ile yazılmış yerel iOS kitaplıkları sunar. Başlangıç noktası olarak Swift görüntü sınıflandırma örneğini kullanarak kendi iOS kodunuzu yazmaya başlayın.
Aşağıdaki bölümlerde projenize TensorFlow Lite Swift veya Objective-C'nin nasıl ekleneceği gösterilmektedir:
CocoaPod geliştiricileri
Podfile
dosyanıza TensorFlow Lite bölmesini ekleyin. Ardından pod install
çalıştırın.
Süratli
use_frameworks!
pod 'TensorFlowLiteSwift'
Amaç-C
pod 'TensorFlowLiteObjC'
Sürümleri belirtme
Hem TensorFlowLiteSwift
hem de TensorFlowLiteObjC
bölmeleri için kararlı sürümler ve gecelik sürümler mevcuttur. Yukarıdaki örneklerde olduğu gibi bir sürüm kısıtlaması belirtmezseniz CocoaPods, varsayılan olarak en son kararlı sürümü çekecektir.
Ayrıca bir sürüm kısıtlaması da belirtebilirsiniz. Örneğin 2.10.0 sürümüne bağımlı olmak istiyorsanız bağımlılığı şu şekilde yazabilirsiniz:
pod 'TensorFlowLiteSwift', '~> 2.10.0'
Bu, uygulamanızda TensorFlowLiteSwift
bölmesinin mevcut en son 2.xy sürümünün kullanılmasını sağlayacaktır. Alternatif olarak, gecelik derlemelere bağlı kalmak istiyorsanız şunu yazabilirsiniz:
pod 'TensorFlowLiteSwift', '~> 0.0.1-nightly'
2.4.0 sürümünden ve en son gecelik sürümlerden, varsayılan olarak GPU ve Core ML delegeleri, ikili boyutu azaltmak için bölmenin dışında bırakılır. Alt özellikleri belirterek bunları dahil edebilirsiniz:
pod 'TensorFlowLiteSwift', '~> 0.0.1-nightly', :subspecs => ['CoreML', 'Metal']
Bu, TensorFlow Lite'a eklenen en son özellikleri kullanmanıza olanak sağlayacaktır. pod install
komutunu ilk kez çalıştırdığınızda Podfile.lock
dosyası oluşturulduktan sonra gecelik kitaplık sürümünün geçerli tarihin sürümüne kilitleneceğini unutmayın. Gecelik kütüphaneyi daha yenisine güncellemek istiyorsanız pod update
komutunu çalıştırmalısınız.
Sürüm kısıtlamalarını belirtmenin farklı yolları hakkında daha fazla bilgi için bkz. Pod sürümlerini belirtme.
Bazel geliştiricileri
BUILD
dosyanızda TensorFlowLite
bağımlılığını hedefinize ekleyin.
Süratli
swift_library(
deps = [
"//tensorflow/lite/swift:TensorFlowLite",
],
)
Amaç-C
objc_library(
deps = [
"//tensorflow/lite/objc:TensorFlowLite",
],
)
C/C++ API'si
Alternatif olarak C API veya C++ API'yi kullanabilirsiniz.
# Using C API directly
objc_library(
deps = [
"//tensorflow/lite/c:c_api",
],
)
# Using C++ API directly
objc_library(
deps = [
"//tensorflow/lite:framework",
],
)
Kitaplığı içe aktar
Swift dosyaları için TensorFlow Lite modülünü içe aktarın:
import TensorFlowLite
Objective-C dosyaları için şemsiye başlığını içe aktarın:
#import "TFLTensorFlowLite.h"
Veya Xcode projenizde CLANG_ENABLE_MODULES = YES
ayarını yaparsanız modül:
@import TFLTensorFlowLite;