【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Python中文社区

Python进行数据可视化分析快速教程实例

Jupyter Notebook介绍 Jupyter Notebook是一个交互式笔记本,支持运行 40 多种编程语言。IPython notebook 是一个...

2066
来自专栏磐创AI技术团队的专栏

TensorFlow + Keras 实战 YOLO v3 目标检测图文并茂教程(文末有惊喜)

1323
来自专栏机器之心

终于!大家心心念念的PyTorch Windows官方支持来了

机器之心整理 参与:机器之心编辑部 五个小时前,PyTorch 官方 GitHub 发布 0.4.0 版本,大家心心念念的 Windows 支持终于来了。 Gi...

2808
来自专栏ATYUN订阅号

深度学习图像识别项目(上):如何快速构建图像数据集

AiTechYun 编辑:yuxiangyu 在你还是个孩子时是否也是一个神奇宝贝迷?是否还记得里面的各种神奇宝贝,以及小智手中可以自动识别神奇宝贝的图鉴(Po...

9116
来自专栏魏艾斯博客www.vpsss.net

Picdiet 在线图片压缩 极速压缩 80%图片质量不变

2091
来自专栏北京马哥教育

3行Python代码完成人脸识别

Face Recognition软件包 这是世界上最简单的人脸识别库了。你可以通过Python引用或者命令行的形式使用它,来管理和识别人脸。 该软件包使用dli...

4137
来自专栏大数据文摘

机器学习:如何在安卓上集成TensorFlow

2165
来自专栏AI研习社

谷歌发布 TensorFlow 1.5,全面支持动态图机制和 TensorFlow Lite

AI 研习社消息,日前,谷歌发布 TensorFlow 1.5,TensorFlow 又一次迎来更新。 在此前的版本中,TensorFlow 迎来三大重大变化:...

2824
来自专栏人工智能

Google宣布TensorFlow Lite 可支持 Core ML!

文 /TensorFlow 团队 11 月 14 日,我们宣布了 TensorFlow Lite 的开发者预览版,TensorFlow Lite 是 Tenso...

1967
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...

3917

扫码关注云+社区