构建 ExecuTorch iOS 演示应用程序¶
欢迎来到设置 ExecuTorch iOS 演示应用程序的教程！
该应用程序使用 MobileNet v3 模型处理实时摄像头图像，利用三个不同的后端：XNNPACK、Core ML 和 Metal Performance Shaders (MPS)（仅限 Xcode 15+ 和 iOS 17+）。
先决条件¶
在我们开始之前，请确保您安装了以下工具
2. Python 3.10+¶
Python 3.10 或更高版本以及 pip 应该预装在 MacOS 13.5+ 上。如果需要，下载 Python 并安装它。使用以下命令验证 Python 和 pip 版本
which python3 pip
python3 --version
pip --version
3. 入门教程¶
按照 设置 ExecuTorch 教程配置基本环境
git clone https://github.com/pytorch/executorch.git --depth 1 --recurse-submodules --shallow-submodules
cd executorch
python3 -m venv .venv && source .venv/bin/activate
pip install --upgrade cmake pip setuptools wheel
./install_requirements.sh --pybind coreml mps xnnpack
模型和标签¶
现在，让我们继续导出和捆绑 MobileNet v3 模型。
1. 导出模型¶
使用 Core ML、MPS 和 XNNPACK 后端导出 MobileNet v3 模型，并将导出的模型移动到演示应用程序将获取的特定位置
MODEL_NAME="mv3"
python3 -m examples.portable.scripts.export --model_name="$MODEL_NAME"
python3 -m examples.apple.coreml.scripts.export --model_name="$MODEL_NAME"
python3 -m examples.apple.mps.scripts.mps_example --model_name="$MODEL_NAME"
python3 -m examples.xnnpack.aot_compiler --model_name="$MODEL_NAME" --delegate
mkdir -p examples/demo-apps/apple_ios/ExecuTorchDemo/ExecuTorchDemo/Resources/Models/MobileNet/
mv "$MODEL_NAME*.pte" examples/demo-apps/apple_ios/ExecuTorchDemo/ExecuTorchDemo/Resources/Models/MobileNet/
2. 下载标签¶
下载图像分类所需的 MobileNet 模型标签
curl https://raw.githubusercontent.com/pytorch/hub/master/imagenet_classes.txt \
-o examples/demo-apps/apple_ios/ExecuTorchDemo/ExecuTorchDemo/Resources/Models/MobileNet/imagenet_classes.txt
最后一步¶
我们快完成了！现在，我们只需要在 Xcode 中打开项目、运行测试，最后运行应用程序即可。
1. 在 Xcode 中打开项目¶
双击 examples/demo-apps/apple_ios/ExecuTorchDemo 下的项目文件，或运行以下命令
open examples/demo-apps/apple_ios/ExecuTorchDemo/ExecuTorchDemo.xcodeproj
2. 运行测试¶
您可以使用 Cmd + U 在 Xcode 中直接在模拟器上运行测试，也可以使用命令行
xcrun simctl create executorch "iPhone 15"
xcodebuild clean test \
-project examples/demo-apps/apple_ios/ExecuTorchDemo/ExecuTorchDemo.xcodeproj \
-scheme App \
-destination name=executorch
xcrun simctl delete executorch
