CoreML實(shí)踐

本文主要講述CoreML的一次全流程實(shí)踐株憾。
Core ML模型支持很多第三方機(jī)器學(xué)習(xí)工具創(chuàng)建和訓(xùn)練的模型的轉(zhuǎn)換践美,比如Caffe, Keras, scikit-learn, XGBoost等拟逮。利用上述工具創(chuàng)建和訓(xùn)練的模型可以通過Core ML Tools工具將模型轉(zhuǎn)換為Core ML模型的格式矫废。目前Core ML Tools不支持3.x版本的python有勾,可以自己用虛擬環(huán)境裝一個(gè)2.7版本的python修肠。然后利用pip工具安裝coremltools和numpy等框架。
本文主要分為一下幾個(gè)部分
1.建立一個(gè)scikit-learn線性模型
2.轉(zhuǎn)化成CoreML模型
3.使用CoreML進(jìn)行預(yù)測(cè)

1.建立一個(gè)scikit-learn線性模型

用sublime或者其他編輯器建立一個(gè)python腳本恕出。利用numpy框架建立一個(gè)隨機(jī)數(shù)集询枚。

import numpy as np  
x_values = np.linspace(-2.25,2.25,300)  
y_values = np.array([np.sin(x) + np.random.randn()*.25 for x in x_values]) 

然后利用線性回歸模型來(lái)訓(xùn)練模型。

from sklearn.linear_model import LinearRegression  
lm = LinearRegression().fit(x_values.reshape(-1,1), y_values) 

2.轉(zhuǎn)化成CoreML模型

Core ML除了支持線性模型外浙巫,還支持許多機(jī)器學(xué)習(xí)模型金蜀,比如神經(jīng)網(wǎng)絡(luò)模型,基于樹的模型等的畴。Core ML模型的格式是以.mlmodel 結(jié)尾渊抄。首先進(jìn)行模型轉(zhuǎn)換,然后導(dǎo)入作者信息丧裁,還有其他元數(shù)據(jù)等护桦,最后保存轉(zhuǎn)換后的模型。

from coremltools.converters import sklearn  
coreml_model = sklearn.convert(lm) 
coreml_model.author = "WJ"  
print(coreml_model.author) 
coreml_model.short_description = "I approximate a sine curve with a linear model!"  
coreml_model.input_description["input"] = "a real number"  
coreml_model.output_description["prediction"] = "a real number"
print(coreml_model.short_description) 
coreml_model.save('linear_model.mlmodel')  
3.使用CoreML進(jìn)行預(yù)測(cè)

新建一個(gè)xcode工程煎娇,直接拖入剛才訓(xùn)練好的linear_model.mlmodel二庵。點(diǎn)擊這個(gè)模型贪染,可以看到一些模型信息。

image.png

然后點(diǎn)開Model Class中的箭頭催享,可以看到模型暴露的方法抑进。linear_modelInput和linear_modelOutput類一個(gè)表示輸入類,一個(gè)表示輸出類睡陪。linear_model是一個(gè)用來(lái)預(yù)測(cè)的類。

image.png

然后拖入一個(gè)輸入的textfield和輸出的textfield用來(lái)顯示匿情,再監(jiān)聽輸入的值兰迫,來(lái)預(yù)測(cè)輸出的值。

image.png

參考文獻(xiàn):
1.Leverage Scikit-Learn Models with Core ML
2.Core ML and Vision: Machine Learning in iOS 11 Tutorial
3.詳解蘋果Core ML:如何為iOS創(chuàng)建機(jī)器學(xué)習(xí)應(yīng)用
4.Build more intelligent apps with machine learning.
5.Core ML
6.Converting Trained Models to Core ML

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末炬称,一起剝皮案震驚了整個(gè)濱河市汁果,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌玲躯,老刑警劉巖据德,帶你破解...
    沈念sama閱讀 211,265評(píng)論 6 490
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異跷车,居然都是意外死亡棘利,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,078評(píng)論 2 385
  • 文/潘曉璐 我一進(jìn)店門朽缴,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)善玫,“玉大人,你說(shuō)我怎么就攤上這事密强∶├桑” “怎么了?”我有些...
    開封第一講書人閱讀 156,852評(píng)論 0 347
  • 文/不壞的土叔 我叫張陵或渤,是天一觀的道長(zhǎng)系冗。 經(jīng)常有香客問我,道長(zhǎng)薪鹦,這世上最難降的妖魔是什么掌敬? 我笑而不...
    開封第一講書人閱讀 56,408評(píng)論 1 283
  • 正文 為了忘掉前任,我火速辦了婚禮距芬,結(jié)果婚禮上涝开,老公的妹妹穿的比我還像新娘。我一直安慰自己框仔,他們只是感情好舀武,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,445評(píng)論 5 384
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著离斩,像睡著了一般银舱。 火紅的嫁衣襯著肌膚如雪瘪匿。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 49,772評(píng)論 1 290
  • 那天寻馏,我揣著相機(jī)與錄音棋弥,去河邊找鬼。 笑死诚欠,一個(gè)胖子當(dāng)著我的面吹牛顽染,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播轰绵,決...
    沈念sama閱讀 38,921評(píng)論 3 406
  • 文/蒼蘭香墨 我猛地睜開眼粉寞,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來(lái)了左腔?” 一聲冷哼從身側(cè)響起唧垦,我...
    開封第一講書人閱讀 37,688評(píng)論 0 266
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎液样,沒想到半個(gè)月后振亮,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 44,130評(píng)論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡鞭莽,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,467評(píng)論 2 325
  • 正文 我和宋清朗相戀三年坊秸,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片撮抓。...
    茶點(diǎn)故事閱讀 38,617評(píng)論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡妇斤,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出丹拯,到底是詐尸還是另有隱情站超,我是刑警寧澤,帶...
    沈念sama閱讀 34,276評(píng)論 4 329
  • 正文 年R本政府宣布乖酬,位于F島的核電站死相,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏咬像。R本人自食惡果不足惜算撮,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,882評(píng)論 3 312
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望县昂。 院中可真熱鬧肮柜,春花似錦、人聲如沸倒彰。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,740評(píng)論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)待讳。三九已至芒澜,卻和暖如春仰剿,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背痴晦。 一陣腳步聲響...
    開封第一講書人閱讀 31,967評(píng)論 1 265
  • 我被黑心中介騙來(lái)泰國(guó)打工南吮, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人誊酌。 一個(gè)月前我還...
    沈念sama閱讀 46,315評(píng)論 2 360
  • 正文 我出身青樓部凑,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親碧浊。 傳聞我的和親對(duì)象是個(gè)殘疾皇子砚尽,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,486評(píng)論 2 348

推薦閱讀更多精彩內(nèi)容