Swift for TensorFlow (3) 之 Swift Package 创建

今天，通过创建一个 Swift Package 引入 tensorflow/swift-models，来的构建一个 Swift for TensorFlow 开发环境。

Swift Package Manager 是一个苹果官方出的管理源代码分发的工具，目的是更简单的使用别人共享的代码。它会直接处理包之间的依赖管理、版本控制、编译和链接。从总体功能上来说，和 iOS 平台上的 Cocoapods、Carthage 一样。

在 tensorflow/swift-models 项目主要是采用 Swift Package 结构：

creat package

执行命令：

swift package init --type executable

在生成的文件夹中，核心的一个是 Package.swift，另一个是在 Sources 有一个 main.swift，我们载入 XCode 下：

如果这时候直接在命令行或者 Xcode 直接运行：

swift build
swift run

则，会显示：

hello world

即：执行 main.swift 中的代码语句。

引入依赖包：

在 Package.swit 下我们需要先配置引入第三方依赖包：

dependencies: [
    // Dependencies declare other packages that this package depends on.
    // .package(url: /* package url */, from: "1.0.0"),
.package(name: "swift-models",
	  url: "https://gitee.com/yemeishu/swift-models.git",
	 .branch("main"))
],

其中，由于 Github 下载有点慢，我用 Gitee 同步过来，并且修改 swift-models 引入的依赖包也指向 Gitee 地址：

dependencies: [
    .package(url: "https://gitee.com/yemeishu/swift-protobuf.git", from: "1.10.0"),
    .package(url: "https://gitee.com/yemeishu/swift-argument-parser.git", .branch("main")),
    .package(url: "https://gitee.com/yemeishu/swift-benchmark.git", from: "0.1.0"),
],

这样下载速度会快很多。

配置 Package.swift

此外，在依赖包里，我们需要在 target 里引入需要的依赖：

.target(
        name: "MyFirstPackage",
        dependencies: [
            .product(name: "Datasets", package: "swift-models"),
            .product(name: "TrainingLoop", package: "swift-models")

根据实例，主要两个依赖包 Datasets 和 TrainingLoop，而这两个依赖包来自 swift-models package。

最后，因为 TensorFlow 包需要 10.13 以上，所以还需配置：

name: "MyFirstPackage",
    platforms: [
        .macOS(.v10_13),
    ],

具体的 Package.swift 如下：

import PackageDescription

let package = Package(
    name: "MyFirstPackage",
    platforms: [
        .macOS(.v10_13),
    ],
    dependencies: [
        // Dependencies declare other packages that this package depends on.
        // .package(url: /* package url */, from: "1.0.0"),
	.package(name: "swift-models",
		  url: "https://gitee.com/yemeishu/swift-models.git",
		 .branch("main"))
    ],
    targets: [
        // Targets are the basic building blocks of a package. A target can define a module or a test suite.
        // Targets can depend on other targets in this package, and on products in packages this package depends on.
        .target(
            name: "MyFirstPackage",
            dependencies: [
                .product(name: "Datasets", package: "swift-models"),
                .product(name: "TrainingLoop", package: "swift-models")
            ]
        ),
        .testTarget(
            name: "MyFirstPackageTests",
            dependencies: ["MyFirstPackage"]),
    ]
)

main.swift

有了，swift-model 依赖包，我们就可以结合官网提供的 Demo，尝试写代码了，具体在 main.swift 如下：

import Datasets
import TensorFlow
import TrainingLoop

let epochCount = 12
let batchSize = 128

let device = Device.defaultTFEager

let dataset = MNIST(batchSize: batchSize, on: device)

var classifier = Sequential {
  Conv2D<Float>(filterShape: (5, 5, 1, 6), padding: .same, activation: relu)
  AvgPool2D<Float>(poolSize: (2, 2), strides: (2, 2))
  Conv2D<Float>(filterShape: (5, 5, 6, 16), activation: relu)
  AvgPool2D<Float>(poolSize: (2, 2), strides: (2, 2))
  Flatten<Float>()
  Dense<Float>(inputSize: 400, outputSize: 120, activation: relu)
  Dense<Float>(inputSize: 120, outputSize: 84, activation: relu)
  Dense<Float>(inputSize: 84, outputSize: 10)
}

var optimizer = SGD(for: classifier, learningRate: 0.1)

var trainingLoop = TrainingLoop(
  training: dataset.training,
  validation: dataset.validation,
  optimizer: optimizer,
  lossFunction: softmaxCrossEntropy,
  metrics: [.accuracy],
  callbacks: [try! CSVLogger().log])

trainingLoop.statisticsRecorder!.setReportTrigger(.endOfEpoch)

try! trainingLoop.fit(&classifier, epochs: epochCount, on: device)

点击 xcode 运行，结果如下：

总结

今天主要是学习创建一个 Swift Package，和引入 swift-model，为我们后续自学 Swift for Tensorflow 提供完备的开发环境。

此外也可以直接 clone swift-model 代码，做二次开发，如：

保持和 swift-model 代码同步，这样也可以实时了解 Swift for TensorFlow 最新成果。