ios.md

Guia de início rápido para iOS

Para começar a usar o TensorFlow Lite no iOS, recomendamos ver o seguinte exemplo:

Exemplo de classificação de imagens no iOS

Confira a explicação do código fonte em Classificação de imagens com o TensorFlow Lite no iOS.

Esse aplicativo de exemplo usa classificação de imagens para classificar continuamente o que é exibido pela câmera frontal do dispositivo, mostrando as classificações mais prováveis. Esse aplicativo permite que o usuário escolha entre um modelo de ponto flutuante ou quantizado e permite também selecionar o número de threads usados para fazer a inferência.

Observação: confira outros aplicativos para iOS que demonstram o uso do TensorFlow Lite em diversos casos de uso nos Exemplos.

Adicione o TensorFlow Lite ao seu projeto Swift ou Objective-C

O TensorFlow Lite conta com bibliotecas do iOS nativas para Swift e Objective-C. Comece a escrever seu próprio código iOS usando o exemplo de classificação de imagens com o Swift como ponto de partida.

As seções abaixo demonstram como adicionar o Swift ou o Objective-C para TensorFlow Lite ao seu projeto:

Desenvolvedores que usam o CocoaPods

No Podfile, adicione o pod do TensorFlow . Em seguida, execute pod install.

Swift

use_frameworks!
pod 'TensorFlowLiteSwift'

Objective-C

pod 'TensorFlowLiteObjC'

Especificação de versões

Há versões estáveis e versões noturnas disponíveis para pods TensorFlowLiteSwift e TensorFlowLiteObjC. Se você não especificar uma restrição de versão como nos exemplos acima, o CocoaPods buscará a versão estável mais recente por padrão.

Além disso, você pode especificar uma restrição de versão. Por exemplo: se quiser usar a versão 2.10.0, pode escrever a dependência como:

pod 'TensorFlowLiteSwift', '~> 2.10.0'

Dessa forma, você vai garantir que a versão 2.x.y mais recente disponível do pod TensorFlowLiteSwift seja usada em seu aplicativo. Já se você quiser usar as versões noturnas, pode escrever:

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

A partir da versão noturna 2.4.0, por padrão, delegados de GPU e delegados de Core ML são excluídos do pod para reduzir o tamanho do binário. É possível incluí-los especificando as subspecs:

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

Dessa forma, você poderá usar os recursos mais recentes adicionados ao TensorFlow Lite. Quando o arquivo Podfile.lock for criado ao executar o comando pod install pela primeira vez, a versão da biblioteca noturna será mantida na versão da data atual. Se você quiser atualizar a biblioteca noturna para uma versão mais nova, precisa executar o comando pod update.

Confira mais informações sobre as diferentes maneiras de especificar restrições de versão em Como especificar versões de pods.

Desenvolvedores que usam o Bazel

No arquivoBUILD, adicione a dependência TensorFlowLite ao seu alvo.

Swift

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

Objective-C

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

API do C/C++

Ou então você pode usar a API do C ou a API do C++

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

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

Importe a biblioteca

Para arquivos Swift, importe o módulo TensorFlow Lite:

import TensorFlowLite

Para arquivos Objective-C, importe o cabeçalho guarda-chuva:

#import "TFLTensorFlowLite.h"

Ou importe o módulo se você definir CLANG_ENABLE_MODULES = YES em seu projeto do Xcode:

@import TFLTensorFlowLite;

Observação: para desenvolvedores que usam o CocoaPods e desejam importar o módulo TensorFlow Lite para Objective-C, é preciso incluir use_frameworks! no Podfile.