Użyj niestandardowej kompilacji TensorFlow Lite

Jeśli jesteś doświadczonym programistą ML, a gotowa biblioteka TensorFlow Lite nie spełnia Twoich potrzeb, możesz użyć niestandardowej kompilacji TensorFlow Lite z ML Kit. Możesz na przykład dodać operacje niestandardowe.

Wymagania wstępne

  • działające środowisko kompilacji TensorFlow Lite;
  • Proces płatności za pomocą TensorFlow Lite 1.10.1

Aby sprawdzić prawidłową wersję, użyj Git:

git checkout -b work
git reset --hard tflite-v1.10.1
git cherry-pick 4dcfddc5d12018a5a0fdca652b9221ed95e9eb23

Tworzenie biblioteki Tensorflow Lite

  1. Kompiluj Tensorflow Lite (z własnymi modyfikacjami) zgodnie z standardowymi instrukcjami.
  2. Utwórz ramkę:
tensorflow/lite/lib_package/create_ios_frameworks.sh

Wygenerowany framework znajdziesz na stronie tensorflow/lite/gen/ios_frameworks/tensorflow_lite.framework.zip

Tworzę lokalny pod

  1. Tworzenie katalogu dla lokalnego podcastu
  2. Uruchom pod lib create TensorFlowLite w utworzonym katalogu.
  3. Utwórz katalog Frameworks w katalogu TensorFlowLite.
  4. Rozpakuj wygenerowany powyżej plik tensorflow_lite.framework.zip.
  5. Skopiuj rozpakowany plik tensorflow_lite.framework do folderu TensorFlowLite/Frameworks
  6. Zmień wygenerowany plik TensorFlowLite/TensorFlowLite.podspec, aby odwoływał się do biblioteki:
    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

Odwoływanie się do niestandardowego modułu w projekcie

Możesz dodać moduł niestandardowy, odwołując się do niego bezpośrednio w aplikacji:Podfile

pod 'Firebase/MLModelInterpreter'
pod 'TensorFlowLite', :path => 'path/to/your/TensorflowLite'

Inne opcje zarządzania prywatnymi podami znajdziesz w dokumentacji Cocoapods w sekcji Private Pods (Prywatne pody). Pamiętaj, że wersja musi być dokładnie taka sama.Należy się do niej odwoływać, dodając poda z repozytorium prywatnego, np. pod 'TensorFlowLite', "1.10.1".