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。
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:
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:
Turi Create支持:
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
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。
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:
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。
如果你想从源代码构建Turi Create,请参阅BUILD.md。
请参阅CONTRIBUTING.md。
GitHub链接:https://github.com/apple/turicreate