如果您是經驗豐富的機器學習開發人員和預先建構的 TensorFlow Lite 如果無法滿足需求,您可以使用 TensorFlow Lite 中使用 ML Kit 進行建構。適用對象 例如,您可以新增自訂運算
事前準備
- 可正常運作的 TensorFlow Lite 建構環境
- TensorFlow Lite 1.10.1 結帳
您可以使用 Git 查看正確的版本:
git checkout -b work
git reset --hard tflite-v1.10.1
git cherry-pick 4dcfddc5d12018a5a0fdca652b9221ed95e9eb23
建構 Tensorflow Lite 程式庫
- 按照 標準操作說明
- 建立架構:
tensorflow/lite/lib_package/create_ios_frameworks.sh
您可以在 tensorflow/lite/gen/ios_frameworks/tensorflow_lite.framework.zip
找到產生的架構
建立本機 Pod
- 為本機 Pod 建立目錄
- 在您建立的目錄中執行
pod lib create TensorFlowLite
- 在
TensorFlowLite
目錄中建立Frameworks
目錄 - 將上方產生的
tensorflow_lite.framework.zip
檔案解壓縮 - 將解壓縮的
tensorflow_lite.framework
複製到「TensorFlowLite/Frameworks
」 - 修改產生的
TensorFlowLite/TensorFlowLite.podspec
以參照程式庫:
Pod::Spec.new do |s|
s.name = 'TensorFlowLite'
s.version = '0.1.7' # Version must match.
s.ios.deployment_target = '9.0'
# ... make other changes as desired
internal_pod_root = Pathname.pwd
s.frameworks = 'Accelerate'
s.libraries = 'c++'
s.vendored_frameworks = 'Frameworks/tensorflow_lite.framework'
s.pod_target_xcconfig = {
'SWIFT_VERSION' => '4.0',
'INTERNAL_POD_ROOT' => "#{internal_pod_root}",
'HEADER_SEARCH_PATHS' => "$(inherited) '${INTERNAL_POD_ROOT}/Frameworks/tensorflow_lite.framework/Headers'",
'OTHER_LDFLAGS' => "-force_load '${INTERNAL_POD_ROOT}/Frameworks/tensorflow_lite.framework/tensorflow_lite'"
}
end
在專案中參照自訂 Pod
您可以直接從應用程式的
Podfile
:
pod 'Firebase/MLModelInterpreter'
pod 'TensorFlowLite', :path => 'path/to/your/TensorflowLite'
如要瞭解管理私人 Pod 的其他選項,請參閱
私人 Pod
Cocoapods 說明文件。請注意,這個版本必須完全相符,而且
從 Pod 中的 Pod 納入 Pod 時,應參照這個版本
私人存放區pod 'TensorFlowLite', "1.10.1"
。