深度 | 详解苹果Core ML：如何为iOS创建机器学习应用？

Xcode 可以将该 Core ML 模型编译成一个资源（resource），其已经为设备上的运行进行了优化。这种优化了的模型的表示被包含在你的应用捆绑（app bundle）中，而且该应用在设备上运行时会使用这个模型来进行预测。

将训练好的模型转换成 Core ML

如果你的模型是使用支持的第三方机器学习工具创建和训练的，那么你可以使用 Core ML Tools（https://developer.apple.com/machine-learning）将其转换成 Core ML 模型格式。下表给出了支持的模型和第三方工具。

Core ML Tools 是一个 Python 包（coremltools），托管在 Python Package Index (PyPI) 上。要了解更多有关 Python 包的信息，请参阅：https://packaging.python.org

1. 转换你的模型

使用对应你的模型的第三方工具的 Core ML 转换器转换你的模型。调用该转换器的 convert 方法，并将结果保存为 Core ML 模型格式（.mlmodel）。比如，如果你的模型是用 Caffe 创建的，那么将该 Caffe 模型（.caffemodel）转递给 coremltools.converters.caffe.convert：

import coremltools

coreml_model = coremltools.converters.caffe.convert('my_caffe_model.caffemodel')

然后将所得到的模型保存为 Core ML 模型格式：

coreml_model.save('my_model.mlmodel')

根据你模型的需要，你可能需要更新输入、输出和标签，或者你可能需要声明图像名、类型、格式。这些转换工具捆绑了更多文档，因工具不同，其提供的选项也有所不同。

2. 你也可以编写自定义的转换工具

当你需要转换一个不在上表中的格式的模型时，你也可以创建你自己的转换工具。

编写你自己的转换工具涉及到将你的模型的输入、输出和架构的表示（representation）翻译成 Core ML 模型格式。你需要定义该模型架构的每一层以及它们与其它层的连接。使用 Core ML Tools 提供的转换工具为例；它们演示了通过第三方工具创建的多种类型的模型被转换成 Core ML 模型格式的方法。

注：Core ML 模型格式是由一些协议缓冲文件（protocol buffer files）定义的，具体描述请参阅：https://developer.apple.com/machine-learning

Core ML API

这个文档包含了正在开发中的 API 和相关技术的初步信息。这些信息可能会发生变化，遵循这个文档实现的软件应该在最后的操作系统软件上进行测试。了解更多使用苹果 Beta 软件的信息，访问：https://developer.apple.com/support/beta-software/

在大多数案例中，你仅需要与你的模型的动态生成的接口进行交互，这些接口是 Xcode 自动生成的。你可以使用 Core ML API 直接支持自定义的工作流和高级的用例。比如，如果你需要做预测，同时异步地将输入数据收集到一个自定义的结构中，你可以通过采用 MLFeatureProvider 协议来使用该结构来为你的模型提供输入特征。

更多有关GMIS 2017大会的内容，请点击「阅读原文」查看机器之心官网↓↓↓

责任编辑：

（编辑：无忧刷机网 - 51刷机网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!