Utiliser une version personnalisée de TensorFlow Lite

Cette page décrit une ancienne version de Firebase ML. Dans la dernière version, vous pouvez utiliser n'importe quelle version de TensorFlow Lite compatible avec vos modèles personnalisés. La procédure ci-dessous n'est donc pas nécessaire.

Si vous êtes un développeur ML expérimenté et que la bibliothèque TensorFlow Lite prédéfinie ne répond pas à vos besoins, vous pouvez utiliser une version TensorFlow Lite personnalisée avec ML Kit. Par exemple, vous pouvez ajouter des opérations personnalisées.

Prérequis

• Un environnement de compilation TensorFlow Lite fonctionnel
• Version 1.10.1 de TensorFlow Lite

Vous pouvez extraire la version correcte à l'aide de Git :

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

Compiler la bibliothèque TensorFlow Lite

1. Compilez TensorFlow Lite (avec vos modifications) en suivant les instructions standards.
2. Créez le framework :

tensorflow/lite/lib_package/create_ios_frameworks.sh

Le framework généré se trouve à l'adresse tensorflow/lite/gen/ios_frameworks/tensorflow_lite.framework.zip.

Remarque : Des problèmes de compilation ont été signalés avec Xcode 9.3.

Créer un pod local

1. Créez un répertoire pour votre pod local.
2. Exécutez pod lib create TensorFlowLite dans le répertoire que vous avez créé.
3. Créez un répertoire Frameworks dans le répertoire TensorFlowLite.
4. Décompressez le fichier tensorflow_lite.framework.zip généré ci-dessus.
5. Copiez le fichier tensorflow_lite.framework décompressé dans TensorFlowLite/Frameworks.
6. Modifiez le TensorFlowLite/TensorFlowLite.podspec généré pour référencer la bibliothèque :

    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

Référencer le pod personnalisé dans votre projet

Vous pouvez inclure le pod personnalisé en y faisant directement référence depuis le fichier Podfile de votre application :

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

Pour découvrir d'autres options de gestion des pods privés, consultez Pods privés dans la documentation CocoaPods. Notez que la version doit correspondre exactement. Vous devez faire référence à cette version lorsque vous incluez le pod de votre dépôt privé, par exemple pod 'TensorFlowLite', "1.10.1".