Core ML 与 Vision：iOS 11 机器学习教程

柔情只为你懂 2022-06-13 00:49 232阅读 0赞

此文翻译自 [Core ML and Vision: Machine Learning in iOS 11 Tutorial][Core ML and Vision_ Machine Learning in iOS 11 Tutorial]

本文来自简书，原文地址:[http://www.jianshu.com/p/1df8ac6af865][http_www.jianshu.com_p_1df8ac6af865]

> 注意：此教程需要 Xcode 9 Beta1 或更新的版本、Swift 4 以及 iOS 11.

机器学习正在肆虐横行。很多人都听说过，但很少有人知道这是什么。

这篇《iOS 机器学习教程》会为你介绍 Core ML 和 Vision，iOS 11 中推出的两个全新框架。

具体来说，你会学习如何借助 Places205-GoogLeNet 模型，使用新的 API 对图像的场景进行分类。

![1240][]

## 开始 ##

下载[起始项目][Link 1]。它已包含了用于显示图片的用户界面，并允许用户从照片库中选择另一张图片。这样你就可以专注于实现 App 的机器学习和视觉方面。

构建并运行该项目；可以看到一张城市夜景图，以及一个按钮：

![1240 1][]

从“照片” App 的照片库中选择另一张图片。此起始项目的 Info.plist 已经有 Privacy – Photo Library Usage Description，所以你会被提示允许使用。

图片和按钮之间的空隙有一个 label，将会在此显示模型对图片场景的分类。

## iOS 机器学习 ##

机器学习是一种人工智能，计算机会“学习”而不是被明确编程。不用编写算法，机器学习工具通过在大量数据中寻找模式，使计算机能够开发和优化算法。

### 深度学习 ###

自20世纪50年代以来，AI 研究人员开发了许多机器学习方法。苹果的 Core ML 框架支持神经网络、树组合、支持向量机、广义线性模型、特征工程和流水线模型。但是，神经网络最近已经取得了很多极为神奇的成功，开始于 2012 年谷歌使用 YouTube 视频训练 AI 来识别猫和人。仅仅五年后，谷歌正在赞助一场确定 5000 种植物和动物的比赛。像 Siri 和 Alexa 这样的 App 也存在它们自己的神经网络。

神经网络尝试用节点层来模拟人脑流程，并将节点层用不同的方式连接在一起。每增加一层都需要增加大量计算能力：Inception v3，一个对象识别模型，有48层以及大约2000万个参数。但计算基本上都是矩阵乘法，GPU 来处理会非常有效。GPU 成本的下降使我们能够创建多层深度神经网络，此为深度学习。

![1240 2][]

神经网络，circa 2016

神经网络需要大量的训练数据，这些训练数据理想化地代表了全部可能性。用户生成的数据爆炸性地产生也促成了机器学习的复兴。

训练模型意味着给神经网络提供训练数据，并让它计算公式，此公式组合输入参数以产生输出。训练是离线的，通常在具有多个 GPU 的机器上。

要使用这个模型，就给它新的输入，它就会计算输出：这叫做推论。推论仍然需要大量计算，以从新的输入计算输出。因为有了 Metal 这样的框架，现在可以在手持设备上进行这些计算。

在本教程的结尾你会发现，深度学习远非完美。真的很难建立具有代表性的训练数据，很容易就会过度训练模型，以至于它会过度重视一些古怪的特征。

### 苹果提供了什么？ ###

苹果在 iOS 5 里引入了 `NSLinguisticTagger` 来分析自然语言。iOS 8 出了 Metal，提供了对设备 GPU 的底层访问。

去年，苹果在 Accelerate 框架添加了 Basic Neural Network Subroutines (BNNS)，使开发者可以构建用于推理（不是训练）的神经网络。

今年，苹果给了我们 Core ML 和 Vision！

*  Core ML 让我们更容易在 App 中使用训练过的模型。
 *  Vision 让我们轻松访问苹果的模型，用于面部检测、面部特征点、文字、矩形、条形码和物体。

你还可以在 Vision 模型中包装任意的图像分析 Core ML 模型，我们在这篇教程中就干这个。由于这两个框架是基于 Metal 构建的，它们能在设备上高效运行，所以不需要把用户的数据发送到服务器。

## 将 Core ML 模型集成到你的 App ##

本教程使用 Places205-GoogLeNet 模型，可以从苹果的[“机器学习”页面][Link 2]下载。往下滑找到 Working with Models，下载第一个。还在这个页面，注意一下其它三个模型，它们都用于在图片中检测物体——树、动物、人等等。

> 注意：如果你有一个训练过的模型，并且是使用受支持的机器学习工具训练的，例如 Caffe、Keras 或 scikit-learn，[Converting Trained Models to Core ML][] 介绍了如何将其转换为 Core ML 格式。

## 为你的项目添加模型 ##

下载 GoogLeNetPlaces.mlmodel 后，把它从 Finder 拖到项目导航器的 Resources 组里：

![1240 3][]

选择该文件，然后等一会儿。Xcode 生成了模型类后会显示一个箭头：

![1240 4][]

点击箭头，查看生成的类：

![1240 5][]

Xcode 已生成了输入和输出类以及主类 `GoogLeNetPlaces`，主类有一个 `model` 属性和两个 `prediction` 方法。

`GoogLeNetPlacesInput` 有一个 `CVPixelBuffer` 类型的 `sceneImage` 属性。哭了，这些都是什么鬼？！不要害怕，Vision 框架会负责把我们熟悉的图片格式转换成正确的输入类型。:\]

Vision 框架还会把 `GoogLeNetPlacesOutput` 属性转换为自己的 `results` 类型，并管理对 `prediction` 方法的调用，所以在所有生成的代码中，我们只会使用 `model` 属性。

### 在 Vision Model 中包装 Core ML Model ###

终于，要开始写代码了！打开 ViewController.swift，并在 `import UIKit` 下面 import 两个框架：

import CoreML
    import Vision

下一步，在 `IBActions` 扩展下方添加如下扩展：

// MARK: - Methods
    extension ViewController {
    
      func detectScene(image: CIImage) {
        answerLabel.text = "detecting scene..."
    
        // 从生成的类中加载 ML 模型
        guard let model = try? VNCoreMLModel(for: GoogLeNetPlaces().model) else {
          fatalError("can't load Places ML model")
        }
      }
    }

我们上面的代码做了这些事：

首先，给用户显示一条消息，让他们知道正在发生什么事情。

GoogLeNetPlaces 的指定初始化方法会抛出一个 error，所以创建时必须用 `try`。

`VNCoreMLModel` 只是用于 Vision 请求的 Core ML 模型的容器。

标准的 Vision 工作流程是创建模型，创建一或多个请求，然后创建并运行请求处理程序。我们刚刚已经创建了模型，所以下一步是创建请求。

在 `detectScene(image:)` 的末尾添加如下几行：

// 创建一个带有 completion handler 的 Vision 请求
    let request = VNCoreMLRequest(model: model) { [weak self] request, error in
      guard let results = request.results as? [VNClassificationObservation],
        let topResult = results.first else {
          fatalError("unexpected result type from VNCoreMLRequest")
      }
    
      // 在主线程上更新 UI
      let article = (self?.vowels.contains(topResult.identifier.first!))! ? "an" : "a"
      DispatchQueue.main.async { [weak self] in
        self?.answerLabel.text = "\(Int(topResult.confidence * 100))% it's \(article) \(topResult.identifier)"
      }
    }

`VNCoreMLRequest` 是一个图像分析请求，它使用 Core ML 模型来完成工作。它的 completion handler 接收 `request` 和 `error` 对象。

检查 `request.results` 是否是 `VNClassificationObservation` 对象数组，当 Core ML 模型是分类器，而不是预测器或图像处理器时，Vision 框架就会返回这个。而 `GoogLeNetPlaces` 是一个分类器，因为它仅预测一个特征：图像的场景分类。

`VNClassificationObservation` 有两个属性：`identifier` - 一个 `String`，以及 `confidence`\- 介于0和1之间的数字，这个数字是是分类正确的概率。使用对象检测模型时，你可能只会看到那些 confidence 大于某个阈值的对象，例如 30％ 的阈值。

然后取第一个结果，它会具有最高的 confidence 值，然后根据 identifier 的首字母把不定冠词设置为“a”或“an”。最后，dispatch 回到主线程来更新 label。你很快会明白分类工作为什么不在主线程，因为它会很慢。

现在，做第三步：创建并运行请求处理程序。

把下面几行添加到 `detectScene(image:)` 的末尾：

// 在主线程上运行 Core ML GoogLeNetPlaces 分类器
    let handler = VNImageRequestHandler(ciImage: image)
    DispatchQueue.global(qos: .userInteractive).async {
      do {
        try handler.perform([request])
      } catch {
        print(error)
      }
    }

VNImageRequestHandler 是标准的 Vision 框架请求处理程序；不特定于 Core ML 模型。给它 image 作为 `detectScene(image:)` 的参数。然后调用它的 `perform` 方法来运行处理程序，传入请求数组。在这个例子里，我们只有一个请求。

`perform` 方法会抛出 error，所以用 try-catch 将其包住。

### 使用模型来分类场景 ###

哇，刚刚写了好多代码！但现在只需要在两个地方调用 `detectScene(image:)` 就好了。

把下面几行添加到 `viewDidLoad()` 的末端和 `imagePickerController(_:didFinishPickingMediaWithInfo:)` 的末端：

guard let ciImage = CIImage(image: image) else {
      fatalError("couldn't convert UIImage to CIImage")
    }
    
    detectScene(image: ciImage)

现在构建并运行。不需要多久就可以看见分类：

![1240 6][]

哈哈，是的，图片里有 skyscrapers（摩天大楼）。还有一列火车。

点击按钮，选择照片库里的第一张图片：一些树叶上太阳光斑的特写：

![1240 7][]

75%这是一个水族池

啊哈哈哈哈哈，眯起眼睛，也许可以想象尼莫或多莉正在里面游泳？但至少你知道应该用 “a” 还是 “an”。;\]

## 看一眼苹果的 Core ML 示例 App ##

本教程的项目和 WWDC 2017 Session 506 Vision Framework: Building on Core ML 的[示例项目][Link 3]很相似。Vision + ML Example App 使用 MNIST 分类器，可以识别手写数字——对邮政分类自动化非常有帮助。它还使用原生 Vision 框架方法 `VNDetectRectanglesRequest`，还包括 Core Image 的代码来矫正矩形检测的透视。

还可以从 [Core ML 文档页面][Core ML]下载另一个示例项目。MarsHabitatPricePredictor 模型的输入只是数字，因此代码直接使用生成的 `MarsHabitatPricer` 方法和属性，而不是将模型包装在 Vision 模型中。每次都改一下参数，很容易看出模型只是一个线性回归：

137 * solarPanels + 653.50 * greenHouses + 5854 * acres

## 下一步？ ##

可以从[这里][Link 4]下载教程的完整项目。如果模型显示为缺失，将其替换为你下载的那个。

你现在已经有能力将现有的模型整合到你的 App 中。这里有一些资源可以更详细地介绍：

*  苹果的 [Core ML Framework][] 文档
 *  [WWDC 2017 Session 703][] 介绍 Core ML
 *  [WWDC 2017 Session 710][] Core ML in depth

2016 年的：

*  [WWDC 2016 Session 605][] What’s New in Metal, Part 2: demos show how fast the app does the Inception model classification calculations, thanks to Metal.
 *  苹果的 [Basic Neural Network Subroutines][] 文档

想构建自己的模型？恐怕这超出了本教程的范围（以及我的专业知识）。但这些资源可能会帮你上手：

*  RWDevCon 2017 Session 3 [Machine Learning in iOS][]: Alexis Gallagher 做了一项绝对精彩的工作，指导你一系列流程，为神经网络收集训练数据（你微笑或皱眉的视频），训练，然后检查它是否有效。他的结论：“不需要是数学家或大公司也可以建立有效的模型。”
 *  [Quartz article on Apple’s AI research paper][Quartz article on Apple_s AI research paper]: Dave Gershgorn’s 有关 AI 的文章都很清晰和翔实。此文做了一项杰出的工作，总结了[苹果的第一篇 AI 研究论文][AI]：研究人员使用基于`真实`图像训练的神经网络来优化图像`合成`，从而有效地产生了大量高质量的新训练数据，而没有个人数据隐私问题。

最后，我从 Andreessen Horowitz 的 Frank Chen 那里真的学习了很多 AI 的简史：[AI and Deep Learning a16z podcast][]。

希望本教程对你有所帮助。随意在下方加入讨论！

[Core ML and Vision_ Machine Learning in iOS 11 Tutorial]: https://www.raywenderlich.com/164213/coreml-and-vision-machine-learning-in-ios-11-tutorial
[http_www.jianshu.com_p_1df8ac6af865]: http://www.jianshu.com/p/1df8ac6af865
[1240]: /images/20220613/e2b5d663ef7e45bab339a79b4039a541.png
[Link 1]: https://koenig-media.raywenderlich.com/uploads/2017/06/SceneDetector_Starter-1.zip
[1240 1]: /images/20220613/1802ae7fc0c74ad5b698d51bc958813f.png
[1240 2]: /images/20220613/1d8534495e6044c0ad0f5275ec7e9593.png
[Link 2]: https://developer.apple.com/machine-learning/
[Converting Trained Models to Core ML]: https://developer.apple.com/documentation/coreml/converting_trained_models_to_core_ml
[1240 3]: /images/20220613/7259a722be704be6924b25deba0028ac.png
[1240 4]: /images/20220613/7b2968edb13043e9bcd679c1e7eb52d5.png
[1240 5]: /images/20220613/80c4e0223fe5404db6e16c22af45e353.png
[1240 6]: /images/20220613/cd6ad328c128467d9c36dcacdc217871.png
[1240 7]: /images/20220613/dff1cf7b5fcb420191f1fa60d58c6bd5.png
[Link 3]: https://developer.apple.com/sample-code/wwdc/2017/ImageClassificationwithVisionandCoreML.zip
[Core ML]: https://developer.apple.com/documentation/coreml/integrating_a_core_ml_model_into_your_app
[Link 4]: https://koenig-media.raywenderlich.com/uploads/2017/06/SceneDetector_Final-1.zip
[Core ML Framework]: https://developer.apple.com/documentation/coreml
[WWDC 2017 Session 703]: https://developer.apple.com/videos/play/wwdc2017/703/
[WWDC 2017 Session 710]: https://developer.apple.com/videos/play/wwdc2017/710/
[WWDC 2016 Session 605]: https://developer.apple.com/videos/play/wwdc2016/605
[Basic Neural Network Subroutines]: https://developer.apple.com/documentation/accelerate/bnns
[Machine Learning in iOS]: https://videos.raywenderlich.com/courses/81-rwdevcon-2017-vault-tutorials/lessons/3?_ga=2.4195450.836034365.1496798586-179527185.1486188143
[Quartz article on Apple_s AI research paper]: https://qz.com/873043/apples-first-research-paper-tries-to-solve-a-problem-facing-every-company-working-on-ai/
[AI]: https://arxiv.org/pdf/1612.07828
[AI and Deep Learning a16z podcast]: http://a16z.com/2016/06/10/ai-deep-learning-machines/