8月19日、TensorFlow LiteプラグインがFlutter向けに正式に提供された。このプラグインは、GoogleのGitHubアカウントに正式に移行され、公開された。
TensorFlow Liteは、モバイル、組み込み、Web、エッジデバイスなど、さまざまなデバイス上でTensorFlowモデルを実行するためのソリューションを提供している。Flutter開発者にとっては貴重なツールであり、デスクトップサポートも開発中である。

TensorFlow Liteは、モバイルアプリケーションからエッジデバイスまでのデバイスでTensorFlowモデルを効率的に実行するためのソリューションである。このプラグインは、GoogleのGitHubアカウントに正式に移行され、オープンソースとして提供された。これにより、開発者はTensorFlow Liteの高度な機能を活用しながら、Flutterアプリに統合することが可能となった。

一例として、TensorFlow Liteプラグインを使用した画像分類の手法や、プラグインの使い方について元記事に記載されていた内容を紹介する。TensorFlow Liteを使用した画像分類は、Flutter開発者にとって非常に有用な機能の一つである。以下は、プラグインの使い方の一例である。

まず、TensorFlow LiteプラグインをFlutterプロジェクトに組み込むために、pub.devからプラグインをインストールする。その後、以下のコード例のようにTensorFlow Liteモデルをロードし、入力と出力テンソルの形状を定義する。

// Load model
Future<void> loadModel() async {
  final options = InterpreterOptions();
  interpreter = await Interpreter.fromAsset(modelPath, options: options);
  inputTensor = interpreter.getInputTensors().first;  // Input tensor shape [1, 224, 224, 3]
  outputTensor = interpreter.getOutputTensors().first;  // Output tensor shape [1, 1001]
}

さらに、1000のラベルに対応するラベルデータを読み込むためのコードも以下に示す。

// Load labels from assets
Future<void> loadLabels() async {
  final labelTxt = await rootBundle.loadString(labelsPath);
  labels = labelTxt.split('\n');
}

以上のステップを踏んだ後、TensorFlow Liteモデルへの入力データを準備し、モデルを実行して結果を得ることができる。これにより、画像分類のタスクをFlutterアプリに統合できる。

詳細はこちらを参照していただきたい。