iOS Core ML框架机器学习

 iOS 11.0+      //目前iOS低版本系统不支持

 macOS 10.13+


参考苹果官方文档Core ML

使用Core ML,可以将经过训练的机器学习模型整合到app中,如图1所示:


iOS Core ML框架机器学习_第1张图片
图1

Core ML支持视觉图像分析,自然语言处理,GameplayKit评估学会决策树。Core ML本身建立在Accelerate、BNNS、Metal Performance Shaders。


iOS Core ML框架机器学习_第2张图片
图2

Vision:应用高性能图像分析和计算机视觉技术来识别人脸,检测特征并对图像和视频中的场景进行分类。

Core ML通过轻松整合机器学习模型提供极快的性能,可以使用几行代码构建具有智能新功能的应用程序。并对性能进行了优化,最大限度地减少了内存占用量和功耗。在设备上严格运行可确保用户数据的隐私。

Core ML支持多种机器学习模型,包括神经网络,决策树,支持向量机和广义线性模型。核心ML需要核心ML模型格式(带有.mlmodel文件扩展名的模型)

转换你的模型

可以使用Core ML Tools或第三方转换工具(如MXNet转换器或TensorFlow转换器)将模型转换为Core ML模型格式。否则,需要创建自己的转换工具。

建议用Core ML Tools工具,(毕竟是苹果提供的,后期升级维护有保障)支持的模型和第三方框架如图所示:

iOS Core ML框架机器学习_第3张图片
图3

下载coremltools:coremltools详细使用方法

    pip install -U coremltools

调用转换器的convert方法并将生成的模型保存为Core ML模型格式(.mlmodel)。

例如,如果您的模型是使用Caffe创建的,则将Caffe模型(.caffemodel)传递给该方法。coremltools.converters.caffe.convert

import coremltoolscoreml_model = coremltools.converters.caffe.convert('my_caffe_model.caffemodel')

现在将结果模型保存在Core ML模型格式中。

coremltools.utils.save_spec(coreml_model, 'my_model.mlmodel')

根据您的模型,您可能需要更新输入,输出和标签,或者您可能需要声明图像名称,类型和格式。转换工具捆绑了更多文档,因为可用选项因工具而异。

你可能感兴趣的:(iOS Core ML框架机器学习)