【框架】为降低机器学习开发者门槛,苹果发布了Turi Create框架

近日,苹果在GitHub上发布了Turi Create框架。苹果表示,这个框架旨在通过简化机器学习模型的开发,降低开发者构建模型的门槛。详细说明如下:

Turi Create

Turi Create简化了自定义机器学习模型的开发。你不需要成为机器学习的专家,即可为你的程序添加推荐,对象检测,图像分类,图像相似度识别或活动分类。

  • 易于使用:让你聚焦于任务而不是算法
  • 可视化:内置的流式可视化功能可以探索你的数据
  • 灵活:支持文本,图像,音频,视频和传感器数据
  • 快速和可扩展性:可在单台机器上处理大型数据集
  • 易于准备配置:模型导出到Core ML,即可用于iOS,macOS,watchOS和tvOS应用程序

示例:带有少量代码的图像分类器

如果你希望你的应用程序识别图像中的特定对象,可以使用以下几行代码创建自己的模型:

import turicreate as tc

# Load data
data= tc.SFrame('photoLabel.sframe')

# Create a model
model= tc.image_classifier.create(data, target='photoLabel')

# Make predictions
predictions= model.predict(data)

# Export to Core ML
model.export_coreml('MyClassifier.mlmodel')

你可以轻易地在iOS应用程序中使用生成的模型:

使用Turi Create,你可以处理很多常见的场景:

  • 推荐系统
  • 图像分类
  • 图像相似度检测
  • 对象检测
  • 活动分类器
  • 文本分类器

你还可以使用基本的机器学习模型做成基于算法的工具包:

  • 分类
  • 回归
  • 图谱分析
  • 聚类
  • 最近邻元素
  • 主题模型

支持的平台

Turi Create支持:

  • macOS 10.12+
  • Linux(依赖于glibc 2.12+)
  • Windows 10(需要WSL)

系统要求

  • Python 2.7(即将支持Python 3.5+)
  • x86_64架构

安装

Linux不同变种的安装详细说明,参阅LINUX_INSTALL.md。常见的安装问题,参阅INSTALL_ISSUES.md。

我们推荐使用环境virtualenv,安装或建立Turi Create。请务必使用你的系统pip安装virtualenv。

pip install virtualenv

安装Turi Create的方法参照标准的python包安装步骤。要创建一个名为venv的Python虚拟环境,请参照以下步骤:

# Create a Python virtual environment
cd ~
virtualenv venv

要激活新的虚拟环境并在此环境中安装Turi Create,请按照下列步骤操作:

# Active your virtual environment
source ~/venv/bin/activate

# Install Turi Create in the new virtual environment, pythonenv
(venv) pip install-U turicreate

文档

软件包用户指南和API文档包含更多关于如何使用Turi Create的细节。

GPU支持

Turi Create不一定需要GPU,但某些模型可以通过使用GPU加速。要在安装turicreate包后启用GPU支持,请执行以下步骤:

  • 安装CUDA 8.0(说明)
  • 为CUDA 8.0安装cuDNN 5(说明)

确保将CUDA库路径添加到LD_LIBRARY_PATH环境变量。通常情况下,这意味着将以下行添加到 ~/.bashrc文件中:

export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

如果你将cuDNN文件安装到单独的目录中,请确保单独添加它。下一步是卸载mxnet并安装启用CUDA的mxnet-cu80包:

(venv) pip uninstall-y mxnet
(venv) pip install mxnet-cu80==0.11.0

确保你安装的MXNet版本与turicreate依赖的版本相同(当前为0.11.0)。如果你在设置GPU时遇到困难,可参阅MXNet安装说明。

从源代码构建

如果你想从源代码构建Turi Create,请参阅BUILD.md。

提交贡献

请参阅CONTRIBUTING.md。

GitHub链接:https://github.com/apple/turicreate

原文发布于微信公众号 - ATYUN订阅号(atyun_com)

原文发表时间:2017-12-11

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏IT派

开源 | 基于Python的人脸识别:识别准确率高达99.38%!

该库使用 dlib 顶尖的深度学习人脸识别技术构建,在户外脸部检测数据库基准(Labeled Faces in the Wild benchmark)上的准确率...

5207
来自专栏恰同学骚年

《你是在做牛做马还是在做主管》- 读书笔记

本文版权归作者和博客园共有,欢迎转载,但未经作者同意必须保留此段声明,且在文章页面明显位置给出原文链接。

722
来自专栏desperate633

TCP/IP之路由算法路由算法的分类链路状态路由算法距离向量(Distance Vector)路由算法层次路由例: 路由器1d的转发表设置

网络层的重要功能就是路由和转发。而路由是根据路由器根据所维护的路由表进行路由选择。所以,如果创建和更新转发表就是一个很重要的问题。通常,在路由时,我们总是选取所...

1311
来自专栏IT大咖说

小米深度学习平台架构与实现

摘要 深度学习的概念源于人工神经网络的研究,含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征,以发现数据的...

4046
来自专栏腾讯大数据的专栏

TDW千台Spark千亿节点对相似度计算

相似度计算在信息检索、数据挖掘等领域有着广泛的应用,是目前推荐引擎中的重要组成部分。随着互联网用户数目和内容的爆炸性增长,对大规模数据进行相似度计算的需求变得...

35410
来自专栏weixuqin 的专栏

深度学习之 TensorFlow(一):基础库包的安装

 1.TensorFlow 简介:TensorFlow 是谷歌公司开发的深度学习框架,也是目前深度学习的主流框架之一。  2.TensorFlow 环境的准...

2857
来自专栏软件开发 -- 分享 互助 成长

SQL中查询优化的主要策略

为了能提高查询效率按优先级主要有一下策略: 1、尽可能早的执行选择操作(最基本的一条) 2、把笛卡尔积和随后的选择操作合并成F连接运算 3、同时计算一连串的选择...

1989
来自专栏大数据智能实战

Deeplearning4j库学习

一、基础知识(了解) 背景知识:     如官网描述,dl4j-examples含有丰富的深度学习神经网络应用案例,这是一个为Java和Scala编写的首个商...

38810
来自专栏ATYUN订阅号

别再用pip了,用conda安装Tensorflow可使性能速度提升8倍

别再用pip安装Tensorflow了,改用conda吧,它是一个跨平台运行的开源软件包和环境管理系统。因此它适用于Mac,Windows和Linux。如果你还...

2.7K3
来自专栏杨建荣的学习笔记

关于aio的设置的讨论(r5笔记第69天)

之前在博文中分享过一个ora错误。 ? 对于此,根据日志分析了相关的ora错误,但是从客户的角度还是希望能够提前做些什么,所以aio的设置就成为刻不容缓的一个任...

2727

扫码关注云+社区