مهاجرت برای iOS

پیش نیازها

قبل از شروع به انتقال کد خود، مطمئن شوید که شرایط زیر را دارید:

• ML Kit از Xcode 13.2.1 یا بالاتر پشتیبانی می کند.
• ML Kit از iOS نسخه 10 یا بالاتر پشتیبانی می کند.
• کیت ML از معماری های 32 بیتی (i386 و armv7) پشتیبانی نمی کند. ML Kit از معماری های 64 بیتی (x86_64 و arm64) پشتیبانی می کند.
• کتابخانه ML Kit فقط به عنوان کوکوپود ارائه می شود. شما نمی توانید فریمورک ها و کوکوپودها را با هم ترکیب کنید، بنابراین برای استفاده از این کتابخانه باید ابتدا برای استفاده از کوکوپود مهاجرت کنید.

Cocoapod ها را به روز کنید

وابستگی های کوکوپودهای iOS کیت ML را در فایل پادفایل برنامه خود به روز کنید:

API	نام(های) غلاف قدیمی	نام(های) غلاف جدید
اسکن بارکد	Firebase/MLVision Firebase/MLVisionBarcodeModel	GoogleMLKit/Scanning Barcode
شناسایی چهره	Firebase/MLVision Firebase/MLVisionFaceModel	GoogleMLKit/FaceDetection
برچسب گذاری تصویر	Firebase/MLVision Firebase/MLVisionLabelModel	GoogleMLKit/ImageLabeling
تشخیص و ردیابی اشیاء	Firebase/MLVisionObjectDetection	GoogleMLKit/ObjectDetection
تشخیص متن	Firebase/MLVision Firebase/MLVisionTextModel	GoogleMLKit/TextRecognition
برچسب گذاری تصویر AutoML (مدل همراه)	Firebase/MLVisionAutoML	GoogleMLKit/ImageLabelingCustom
برچسب گذاری تصویر AutoML (دانلود مدل از Firebase)	Firebase/MLVisionAutoML	GoogleMLKit/ImageLabelingCustom GoogleMLKit/LinkFirebase
شناسه زبان	Firebase/MLNaturalLanguage Firebase/MLNLLanguageID	GoogleMLKit/LanguageID
پاسخ هوشمند	Firebase/MLNaturalLanguage Firebase/MLNLSmartReply	GoogleMLKit/SmartReply
ترجمه کردن	Firebase/MLNaturalLanguage Firebase/MLNLTranslate	GoogleMLKit/Translate

نام کلاس ها، فهرست ها و انواع را به روز کنید

به طور کلی، کلاس ها، enums و انواع باید به صورت زیر تغییر نام دهند:

• Swift: پیشوند Vision از نام کلاس ها و enums حذف کنید
• هدف-C: نام کلاس FIRVision و FIR و پیشوندهای enum را با MLK جایگزین کنید.

برای برخی از نام‌ها و انواع کلاس‌ها، این قانون کلی اعمال نمی‌شود:

سریع

کلاس یا نوع قدیمی	کلاس یا نوع جدید
AutoMLLocalModel	LocalModel
AutoMLRemoteModel	CustomRemoteModel
VisionBarcodeDetectionCallback	بارکد اسکن پاسخ به تماس
VisionBarcode Detector	بارکد اسکنر
VisionBarcodeDetectorOptions	BarcodeScannerOptions
VisionImage	VisionImage (بدون تغییر)
ویژن پوینت	VisionPoint (بدون تغییر)
VisionOnDeviceAutoMLImageLabelerOptions	CustomImageLabelerOptions
VisionOnDeviceImageLabelerOptions	ImageLabelerOptions

هدف-C

کلاس یا نوع قدیمی	کلاس یا نوع جدید
FIRAutoMLLocalModel	MLKLocalModel
FIRAutoMLRemoteModel	MLKCustomRemoteModel
FIRVisionBarcodeDetectionCallback	MLKBarcodeScanningCallback
آشکارساز بارکد FIRVision	اسکنر بارکد MLK
FIRVisionBarcodeDetectorOptions	MLKBarcodeScannerOptions
FIRVisionImage	MLKVisionImage
FIRVisionOnDeviceAutoMLImageLabelerOptions	MLKCustomImageLabelerOptions
FIRVisionOnDeviceImageLabelerOptions	MLKImageLabelerOptions
FIRVisionPoint	MLKVisionPoint

هدف-C

نام روش ها را به روز کنید

نام روش ها را طبق این قوانین به روز کنید:

• کلاس های نقطه ورودی دامنه ( Vision ، NaturalLanguage ) دیگر وجود ندارند. آنها با کلاس های وظیفه ای جایگزین شده اند. برای دریافت آشکارسازها، تماس‌های مستقیم با روش‌های کارخانه هر آشکارساز را جایگزین کنید.

• کلاس VisionImageMetadata به همراه فهرست VisionDetectorImageOrientation حذف شده است. از ویژگی orientation VisionImage برای تعیین جهت نمایش تصویر استفاده کنید.

• روش onDeviceTextRecognizer که یک نمونه TextRecognizer جدید دریافت می کند به textRecognizer تغییر نام داده است.

• ویژگی اطمینان از کلاس‌های نتیجه تشخیص متن، از جمله TextElement ، TextLine و TextBlock حذف شده است.

• متدهای onDeviceImageLabeler و onDeviceImageLabeler(options:) برای به دست آوردن یک نمونه ImageLabeler جدید ادغام شده و به imageLabeler(options:) .

• روش objectDetector برای به دست آوردن یک نمونه ObjectDetector جدید حذف شده است. به جای آن objectDetector(options:) استفاده کنید.

• ویژگی type از ImageLabeler و ویژگی entityID از کلاس نتیجه برچسب‌گذاری تصویر، ImageLabel حذف شده است.

• detect(in _:, completion:) به process(_:, completion:) تغییر نام داده است تا با سایر APIهای بینایی سازگار باشد.

• APIهای زبان طبیعی اکنون از عبارت "برچسب زبان" (همانطور که توسط استاندارد BCP-47 تعریف شده) به جای "کد زبان" استفاده می کنند.

• TranslateLanguage اکنون از نام های قابل خواندن (مانند .english) برای ثابت های خود به جای برچسب های زبان (مانند .en) استفاده می کند.

در اینجا چند نمونه از روش های قدیمی و جدید سوئیفت آورده شده است:

قدیمی

let options = VisionOnDeviceImageLabelerOptions()
options.confidenceThreshold = 0.75
let labeler = Vision.vision().onDeviceImageLabeler(options: options)

let detector = Vision.vision().faceDetector(options: options)

let localModel = AutoMLLocalModel(manifestPath: "automl/manifest.json")
let options = VisionOnDeviceAutoMLImageLabelerOptions(localModel: localModel)
options.confidenceThreshold = 0.75
let labeler = vision.onDeviceAutoMLImageLabeler(options: options)

let detector = Vision.vision().objectDetector()
    

جدید

let options = ImageLabelerOptions()
options.confidenceThreshold = NSNumber(value:0.75)
let labeler = ImageLabeler.imageLabeler(options: options)

let detector = FaceDetector.faceDetector(options: options)

let localModel = LocalModel(manifestPath: "automl/manifest.json")
let options = CustomImageLabelerOptions(localModel: localModel)
options.confidenceThreshold = NSNumber(value:0.75)
let labeler = ImageLabeler.imageLabeler(options: options)

let detector = ObjectDetector.objectDetector(options: ObjectDetectorOptions())
    

در اینجا چند نمونه از روش های قدیمی و جدید Objective-C آورده شده است:

قدیمی

FIRVisionOnDeviceImageLabelerOptions *options = 
    [[FIRVisionOnDeviceImageLabelerOptions alloc] init];
options.confidenceThreshold = 0.75;
FIRVisionImageLabeler *labeler = 
    [[FIRVision vision] onDeviceImageLabelerWithOptions:options];

FIRVisionFaceDetector *detector =
    [[FIRVision vision] faceDetectorWithOptions: options];

FIRAutoMLLocalModel *localModel =
    [[FIRAutoMLLocalModel alloc] initWithManifestPath:@"automl/manifest.json"];
FIRVisionOnDeviceAutoMLImageLabelerOptions *options =
    [[FIRVisionOnDeviceAutoMLImageLabelerOptions alloc]
        initWithLocalModel: localModel];
options.confidenceThreshold = 0.75
FIRVisionImageLabeler *labeler =
    [[FIRVision vision] onDeviceAutoMLImageLabelerWithOptions:options];

FIRVisionObjectDetector *detector =
    [[FIRVision vision] objectDetector];
    

جدید

MLKImageLabelerOptions *options =
    [[MLKImageLabelerOptions alloc] init];
options.confidenceThreshold = @(0.75);
MLKImageLabeler *labeler =
    [MLKImageLabeler imageLabelerWithOptions:options];

MLKFaceDetector *detector =
    [MLKFaceDetector faceDetectorWithOptions:options];

MLKLocalModel *localModel =
    [[MLKLocalModel alloc]
        initWithManifestPath:@"automl/manifest.json"];
MLKCustomImageLabelerOptions *options =
    [[MLKCustomImageLabelerOptions alloc] initWithLocalModel:localModel];
options.confidenceThreshold = @(0.75)
MLKImageLabeler *labeler =
    [MLKImageLabeler imageLabelerWithOptions:options];

MLKObjectDetectorOptions *options = [[MLKObjectDetectorOptions alloc] init];
MLKObjectDetector *detector = [MLKObjectDetector objectDetectorWithOptions:options];
    

تغییرات ویژه API

تشخیص و ردیابی اشیاء

اگر برنامه شما از طبقه‌بندی اشیاء استفاده می‌کند، توجه داشته باشید که SDK جدید روش بازگرداندن دسته‌بندی اشیاء شناسایی‌شده را تغییر داده است.

VisionObjectCategory در VisionObject به جای یک عدد صحیح به عنوان text در یک شی ObjectLabel برگردانده می شود. تمام دسته بندی رشته های ممکن در فهرست DetectedObjectLabel گنجانده شده است.

توجه داشته باشید که دسته .unknown حذف شده است. وقتی اطمینان طبقه‌بندی یک شی کم است، طبقه‌بندی کننده اصلاً برچسبی برمی‌گرداند.

در اینجا یک نمونه از کدهای قدیمی و جدید سوئیفت آورده شده است:

قدیمی

if (object.classificationCategory == .food) {
    ...
}

جدید

if let label = object.labels.first {
  if (label.text == DetectedObjectLabel.food.rawValue) {
    ...
  }
}
// or
if let label = object.labels.first {
  if (label.index == DetectedObjectLabelIndex.food.rawValue) {
    ...
  }
}

در اینجا یک نمونه از کدهای قدیمی و جدید Objective-C آورده شده است:

قدیمی

if (object.classificationCategory == FIRVisionObjectCategoryFood) {
    ...
}

جدید

if ([object.labels[0].text isEqualToString:MLKDetectedObjectLabelFood]) {
  ...
}
// or
if ([object.labels[0].index == MLKDetectedObjectLabelIndexFood]) {
  ...
}

حذف وابستگی های Firebase (اختیاری)

این مرحله فقط زمانی اعمال می شود که این شرایط رعایت شود:

• کیت Firebase ML تنها مؤلفه Firebase است که استفاده می کنید
• شما فقط از API های روی دستگاه استفاده می کنید
• شما از سرویس مدل استفاده نمی کنید

در این صورت، می توانید پس از مهاجرت، وابستگی های Firebase را حذف کنید. این مراحل را دنبال کنید:

• با حذف فایل GoogleService-Info.plist از فهرست برنامه و پروژه Xcode، فایل پیکربندی Firebase را حذف کنید.
• هر کوکوپود Firebase، مانند pod 'Firebase/Analytics' را از فایل پاد خود حذف کنید.
• هر مقدار اولیه FirebaseApp، مانند FirebaseApp.configure() از کد خود حذف کنید.
• برنامه Firebase خود را در کنسول Firebase مطابق با دستورالعمل های سایت پشتیبانی Firebase حذف کنید.

کمک گرفتن

اگر با مشکلی مواجه شدید، لطفاً صفحه انجمن ما را بررسی کنید، جایی که ما کانال های موجود برای تماس با ما را مشخص می کنیم.