SwiftUI机器学习之苹果的机器学习框架和工具

最新推荐文章于 2024-06-12 09:41:35 发布

知识大胖

最新推荐文章于 2024-06-12 09:41:35 发布

阅读量365

点赞数

本文链接：https://blog.csdn.net/iCloudEnd/article/details/106209908

版权

苹果的机器学习框架和工具

Apple提供了许多框架来帮助将机器学习集成到您的应用程序中。这些框架在不同的抽象级别上运行，但可以大致分为两大类：

任务级框架
模型级框架。

任务级框架

任务级框架提供的方法使您可以执行高级任务，而不必显式处理培训和部署机器学习模型。该框架包括许多预训练的模型，并将根据您要执行的任务选择一个模型。

Apple提供的关键任务级框架如下：

视觉：此框架提供高级API来执行任务，例如人脸检测，界标检测，条形码扫描和对象跟踪。该框架还提供了有用的方法，可用于准备与其他框架（例如Core ML）一起使用的图像。实际上，如果您想使用自定义的Core ML格式模型来处理应用程序中的图像和视频，则强烈建议使用Vision。您可以在https://developer.apple.com/documentation/vision上了解有关Vision框架的更多信息。
自然语言：此框架提供了高级API，用于分析文本并推论特定于语言的元素，例如名词，动词，形容词和命名实体，例如人，地方和组织。它也可以用来检测。https:// developer.apple.com/documentation/naturallanguage.
语音：此框架可用于识别音频流中的口头单词。该框架支持多种语言，并使用Apple服务器上托管的机器学习模型来实现其大部分功能。如果您在应用程序中使用此框架，则您的应用程序将需要Internet连接。值得注意的是，Apple对每天可以通过应用程序发出的请求数量设置了限制。您可以在https://developer.apple.com/documentation/speech上找到有关Speech框架的更多信息。

模型级框架

模型级框架提供了一种在应用程序中使用机器学习模型的机制。 Core ML是Apple的模型级框架，尽管您可以使用其他第三方框架来代替Core ML，但它通常是iOS开发人员的首选。任务级框架和Core ML之间的区别在于，您需要执行一些工作才能完成某些工作。任务级框架提供了方便的高级API，可处理许多任务，例如预处理输入，线程，使用适当的模型以及后处理模型输出。
但是，要使用Core ML实现等效功能，您将需要执行各种预处理和后处理操作。考虑到额外的开销，您可能会想问为什么我还要直接使用Core ML？有两个很好的理由。

对于您需要执行的高级任务，Apple的任务级框架可能不存在。例如，没有任务级框架来预测股价走势。
即使存在任务级框架，框架内部使用的模型也可能不足以满足您的需求。
Apple提供了Core ML格式的许多预训练模型，可以从https://developer.apple.com/machine-learning/models/下载。这些模型是开源的，Apple还提供了用于创建模型的Python源代码的链接。
除了Apple提供的模型外，您还可以从第三方Internet存储库中获取Core ML格式的模型。这些模型存储库通常称为模型动物园。在Internet上快速搜索Core ML模型Zoo应该返回几个选项。值得一提的是，使用这些第三方模型的风险自负。
格式转换器
Core ML Tools是Apple提供的Python模块，可用于将使用流行的开源工具（例如Scikit-learn，LightGBM和XGBoost）创建的模型转换为Core ML格式。您可以在https://pypi.org/project/ coremltools /上找到有关Core ML Tools的更多信息。
核心ML工具不支持某些框架，例如Google TensorFlow和Apache MXNet。 Google提供了名为tf-coreml的TensorFlow转Core ML转换器Python模块，可用于将TensorFlow模型转换为Core ML格式。您可以在https://github.com/tf-coreml/tf-coreml上找到有关tf-coreml的更多信息。