中文视频教学 | 在 iOS 中使用 TensorFlow Lite

本期我们为大家带来如何在 iOS 中使用 TensorFlow Lite 的教学视频：

TF Lite for iOS 展示

这是一款运行在 iOS 平台的 App，你可以打开它，然后移动你的设备，观察屏幕上给出的判断信息。比如：

我们看到它这部手机给判断成了 iPod。

嗯，不错，它正确认出了这个马克杯。

为什么会出现这样认错物品的情况呢？回想一下我们是怎样得到这个模型的？这个模型是在一些现实数据的基础的上训练出来的。所以如果给它看的图片里如果没有这样的手机，那么它怎么会认识呢？自然就只能认作是相似的 iPod 啦（可能在样本中出现过几次）。如果想让它识别更多的新物品，比如最新款的 Google Pixel，用这些新的图像去训练就好啦！

模型

这个 App 用到的仍然是 MobileNet 模型，这个模型的特点就体积小、速度快（延迟低）、能耗低。并且它专门为了一些移动设备常见应用场景而特殊设计。

关于模型的介绍，来看看上期文章吧！

环境搭建

你需要用到 Xcode 来使用众多命令行工具，也需要 Homebrew 作为你的包管理器。有了这些还不够，还需要用 Homebrew 安装 automake 与 libtool。

brew install automake
brew install libtool

然后，将仓库克隆到本地：

git clone htps://github.com/tensorflow/tensorflow

进入到目录：

tensorflow/tensorflow/contrib/lite/ 

去执行脚本：

./tensorflow/tensorflow/contrib/lite/build_ios_universal_lib.sh 

它会帮助你在本地安装好 Universal iOS 的库。

接着，你需要切换到这个文件夹：

tensorflow/tensorflow/contrib/examples/ios/camera

找到刚才的 Demo 应用的源代码（需要在此目录执行 pod install）。

运行

注意，请一定使用真机编译运行，不能够使用模拟器。

使用 Xcode 打开刚才的项目，我们的模型在 data 目录下，扩展名是 .tflite。当然，这是一个压缩过的，你可以用之前下载好的模型替换它。

在使用 TensorFlow Lite for iOS 时，我们需要用 API 引入解释器，然后让解释器处理输入数据。

为什么在一开始展示 Demo 的时候，左上角出现了多个标签呢？这是因为 App 运行时会从照相机获取一帧一帧的图象数据，然后使用模型来处理。解释器输出结果后，会给出一系列的可能性。App 会使用可能性最高的结果来输出。

回顾

本期是 Coding TensorFlow 系列中文视频的最后一篇，截止目前，我们共计发布了四条跟 TensorFlow Lite 有关的中文视频，欢迎大家点击回顾，如果有任何问题，欢迎留言提出！

• TensorFlow Lite 深度解析
  

• TensorFlow Lite 概述和模型转化简介
  

• 在 Android 中使用 TensorFlow Lite

视频播单

YouTube:

https://www.youtube.com/playlist?list=PLwv-rHS37fS9bHahBZazFW5fNFrYceXcH

Youku: 

https://list.youku.com/albumlist/show/id_51775215.html

Bilibili: 

https://www.bilibili.com/video/av24940369/