Core ML 文档翻译 - 模型转换

前言

Core ML文档源自苹果官方官方链接地址：https://developer.apple.com/documentation/coreml

Core ML中文翻译GitHub地址：https://github.com/SwiftAI/CoreML

转载请注明原文出处.

Apple原文链接

转换训练模型为Core ML

通过第三方的机器学习扩展工具将创建的训练模型转换成Core ML模型的格式.

概述

如果你的模型是使用受支持的第三方机器学习工具创建和训练的，则可以使用Core ML Tools将模型转换为Core ML模型的格式。表1列出了支持的模型和第三方工具。

注意

Core ML Tools 是一个Python package（coremltools），托管在Python package的主页上（PyPI），关于Python package的有关信息，请参阅Python package用户指南

表一 Core ML Tools支持的模型和第三方工具

模型类型	支持的模型	支持的工具
Neural networks（神经网络）	Feedforward（正反馈）,convolutional（卷积）,recurrent（回归）	Caffe Keras 1.2.2
Tree ensembles（集成树）	Random forests（随机森林）,boosted trees（提升树）,decision trees（决策树）	scikit-learn 0.18 XGBoost 0.6
Support vector machines（支持向量机）	Scalar regression（梯度回归）,multiclass classification（多类分类）	scikit-learn 0.18 LIBSVM 3.22
Generalized linear models（广义线性模型）	Linear regression（线性回归）,logistic regression（逻辑回归）	scikit-learn 0.18
Feature engineering（特征工程）	Sparse vectorization（稀疏向量矢量化）,dense vectorization（稠密向量矢量化）, categorical processing（分类处理）	scikit-learn 0.18
Pipeline models（管道模型）	Sequentially chained models（顺序链模型）	scikit-learn 0.18

转换模型

使用与模型的第三方工具相对应的Core ML 转换器，来转换模型。通过转换器的convert方法，将生成的模型保存为Core ML模型格式(.mlmodel).

例如，你的模型是用Caffe创建的，请将Caffe模型（.caffemodel）传递给coremltools.converters.caffe.convert方法。

import coremltools

coreml_model = coremltools.converters.caffe.convert('my_caffe_model.caffemodel')

然后将生成的模型保存为Core ML模型格式。

coreml_model.save('my_model.mlmodel')

根据你的模型，你可能需要更新输入、输出和标签，或者你可能需要声明图像的名称，类型和格式。转换器包含了更多的文档，这些文档因工具不同而异。如果想知道更多关于Core ML Tools的信息，请参阅Package Documentation.

或者，编写自定义转换器

当你需要转换的模型不是表1所列的工具支持的格式时，可以创建自己的转换器。

编写自己的转换器包括将模型的输入、输出和架构的表示形式转换为Core ML 模型格式。你可以通过定义模型架构的每一层，以及每一层和其他层之间的联系来实现转换器。你可以使用Core ML Tools提供的转换器作为参考样例。这个参考样例演示了如何从第三方工具创建的各种模型类型转换为Core ML模型格式。

注意

Core ML模型格式由一组protocol buffe files（协议缓冲）定义，更多说明请参考Core ML Model Specification.