
194
第
11
章
在 iOS 中使用自定义模型
在第 9 章中,你了解了使用 TensorFlow Lite Model Maker、Cloud AutoML Vision Edge
和具有迁移学习功能的 TensorFlow 创建自定义模型的各种场景。在本章中,你将了解
如何将这些集成到 iOS 应用程序中。我们将关注两个场景:图像识别和文本分类。如果
你在阅读第 10 章后来到这里,我们的讨论将非常相似,因为它并不总是像“将模型扔
到你的应用程序里就开始工作”那么容易。在 Android 中,使用 TensorFlow Lite Model
Maker 创建的模型附带元数据和任务库,使集成变得很容易。在 iOS 中,你不会有同等
支持,而且在把数据传递到模型并解析结果时,你需要用很底层的处理方式将内部数据
类型转换为模型理解的底层张量。完成本章后,你将了解如何执行此操作的基础知识,
但你的场景可能会有很大不同,这具体取决于你的数据!一种例外情况是,你使用的是
ML Kit 支持的自定义模型类型。我们会探索如何在 iOS 中使用 ML Kit API 来处理自定
义模型。
11.1
将模型桥接到
iOS
当你训练模型并将其转换为 TensorFlow Lite 的 TFLite 格式时,你将拥有一个二进制包,
你将其作为资产添加到自己的应用程序中。你的应用程序会将其加载到 TensorFlow Lite
解释器中,并且你必须为输入和输出张量编写二进制代码。因此,例如,如果你的模型
接受浮点数,你要使用具有该浮点数的四个字节的 ...