2017-10-29

机器学习-将第三方模型转换成Core ML或自己训练模型

苹果官方提供的model功能有限，我们可以自己训练模型或者将第三方模型转化成苹果可以识别的模型。

将第三方模型转化成苹果可以识别的模型

这里以苹果给出的参考为例,也可以下载Caffee model

其中.txt文件是所有预测结果，.prototxt是模型结构文件。

打开Anaconda的spyder, 使用coremltools转换

coreml_model = coremltools.converters.caffe.convert(('./caffee model/bvlc_alexnet.caffemodel', 
                                                     './caffee model/deploy.prototxt'),
                                                    predicted_feature_name='./caffee model/class_labels.txt')

coreml_model.author = "Fish News"
coreml_model.license = "BSD"
coreml_model.short_description = "this is a test description"

coreml_model.save('BVLCObjectClassifier.mlmodel')

上图的model的author、short_description、输入输出等属性可自行设置。

转换成功后会得到一个mlmodel文件，拖入工程后即可使用

自己训练模型

我们使用sklearn库内置的iris数据，或者使用自己提供的csv格式的数据进行训练

from sklearn import datasets
from sklearn.linear_model import LogisticRegression
import coremltools

iris = datasets.load_iris()
model = LogisticRegression()
model.fit(iris.data,iris.target)
print iris.target_names[model.predict([ [1.0 ,2.0, 2.0, 3.0] ])]
print iris.data.shape
coreml_model = coremltools.converters.sklearn.convert(model,iris.feature_names, 'iris class')
coreml_model.save('iris.mlmodel')