iOS 快速入門

若要開始在 iOS 上使用 TensorFlow Lite，建議您先瀏覽下列範例

iOS 圖片分類範例

如需原始碼的說明，您也應閱讀 TensorFlow Lite iOS 圖片分類。

這個範例應用程式使用圖片分類，持續分類裝置後置鏡頭看到的所有內容，並顯示最有可能的分類。使用者可以選擇浮點或 量化模型，並選取要執行推論的執行緒數量。

將 TensorFlow Lite 新增至您的 Swift 或 Objective-C 專案

TensorFlow Lite 提供以 Swift 和 Objective-C 寫成的原生 iOS 程式庫。開始使用Swift 圖片分類範例做為起點，編寫您自己的 iOS 程式碼。

以下章節說明如何將 TensorFlow Lite Swift 或 Objective-C 新增至您的專案

CocoaPods 開發人員

在您的 Podfile 中，新增 TensorFlow Lite pod。然後，執行 pod install。

Swift

use_frameworks!
pod 'TensorFlowLiteSwift'

Objective-C

pod 'TensorFlowLiteObjC'

指定版本

TensorFlowLiteSwift 和 TensorFlowLiteObjC pod 都有穩定版本和每夜版可供使用。如果您未如上述範例指定版本限制，CocoaPods 預設會提取最新的穩定版本。

您也可以指定版本限制。例如，如果您希望依賴 2.10.0 版，可以將依賴關係寫成

pod 'TensorFlowLiteSwift', '~> 2.10.0'

這會確保您的應用程式中使用 TensorFlowLiteSwift pod 最新的 2.x.y 版本。或者，如果您想依賴每夜建構版本，可以寫成

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

從 2.4.0 版和最新的每夜版開始，預設會從 pod 中排除 GPU 和 Core ML 委派，以縮減二進位檔大小。您可以透過指定 subspec 將其納入

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

這樣您就可以使用 TensorFlow Lite 中新增的最新功能。請注意，第一次執行 pod install 指令時建立 Podfile.lock 檔案後，每夜版程式庫版本將鎖定在目前的日期版本。如果您希望將每夜版程式庫更新為較新的版本，應執行 pod update 指令。

如需指定版本限制之不同方式的詳細資訊，請參閱指定 pod 版本。

Bazel 開發人員

在您的 BUILD 檔案中，將 TensorFlowLite 依賴關係新增至您的目標。

Swift

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

Objective-C

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

C/C++ API

或者，您可以使用 C API 或 C++ API

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

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

匯入程式庫

對於 Swift 檔案，匯入 TensorFlow Lite 模組

import TensorFlowLite

對於 Objective-C 檔案，匯入總括標頭

#import "TFLTensorFlowLite.h"

或者，如果您在 Xcode 專案中設定 CLANG_ENABLE_MODULES = YES，則匯入模組

@import TFLTensorFlowLite;