【导读】苹果公司在GitHub 上分享了一个机器学习框架TuriCreate。 这一框架有可视化界面,非常简单易用,可以让开发者更容易构建机器学习模型,甚至可以用仅仅数行代码就可以开发出一个图像识别模型。此外,它还可以可将模型导出到Core ML,从而快速部署在iOS、macOS、watchOS和tvOS等平台上面。
▌TuriCreate的开发流程
TuriCreate简化了机器学习模型的开发流程。
Turi Create简化了机器学习模型的开发。你不必成为一个机器学习专家,就可以在你的应用程序中添加推荐、目标检测、图像分类、图像相似度或动作分类等任务。该机器学习库有很多优点:
示例:使用几行代码的图像分类器
如果您希望您的应用程序识别图像中的特定目标,则可以使用下面几行代码构建自己的模型:
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')
在iOS应用中很容易使用生成的模型:
使用Turi Create,你可以解决一些常见的任务:
您还可以使用基本的机器学习模型,来组织基于算法的工具包:
支持的平台,Turi Create支持:
系统环境需求:
关于Linux的不同版本的详细说明请参阅LINUX_INSTALL.md,对于常见的安装问题,请参阅INSTALL_ISSUES.md。
我们建议使用virtualenv来使用、安装或构建Turi Create。确保使用系统pip来安装virtualenv。
pip install virtualenv
安装Turi Create的方法遵循标准的python包安装步骤。要创建一个名为venv的Python虚拟环境,遵循以下步骤:
# Create a Python virtual environment
cd ~
virtualenv venv
为了激活你的新虚拟环境,并在这个环境中安装Turi Create,请遵循以下步骤:
# Active your virtual environment
source ~/venv/bin/activate
# Install Turi Create in the new virtual environment, pythonenv
(venv) pip install -U turicreate
用户指南和API文档包含更多关于如何使用Turi Create的详细信息。
https://apple.github.io/turicreate/docs/userguide
https://apple.github.io/turicreate/docs/userguide
Turi Create不需要使用GPU,但某些模型可以通过使用GPU来加速。要在安装了生成程序包之后启用GPU支持,请执行以下步骤:
安装CUDA 8.0(http://docs.nvidia.com/cuda/cuda-installation-guide-linux/)
为CUDA 8.0安装cuDNN 5(https://developer.nvidia.com/cudnn)
确保将CUDA库路径添加到您的LD_LIBRARY_PATH环境变量中。一般情况下,你需要添加以下代码:
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
如果您将cuDNN文件安装到一个单独的目录中,请确保将它单独添加到另一个目录中。下一步是卸载mxnet,并安装支持cuda的mxnet-cu80包:
(venv) pip uninstall -y mxnet
(venv) pip install mxnet-cu80==0.11.0
确保安装了turi create(当前是0.11.0)相同版本的MXNet。如果你在设置GPU上有困难,MXNet的安装说明可能会提供帮助。
https://mxnet.incubator.apache.org/get_started/install.html
如果您想从源代码构建Turi Create,请参阅BUILD.md。
参见:CONTRIBUTING.md.
参考链接:
https://github.com/apple/turicreate