体验在 Mac 上训练机器学习模型的全新方式。Core ML 让模型训练变得不再复杂，同时还能生成强大的 Create ML 模型。
探索 Create ML 功能：
- 创建 Core ML 模型：借助简单易用的 app 界面，构建和训练功能强大的设备端模型。
- 多模型训练：在一个项目中，使用不同的数据集来训练多个模型。
- 模型预览：借助 iPhone 摄像头和 Mac 上的麦克风，使用连续互通功能预览模型效果，或放入示例数据。
- 训练控制：暂停、存储、恢复和扩展您的训练过程。
- 设备端训练：充分利用 CPU 和 GPU，直接在 Mac 上极速训练模型。
- eGPU 训练支持：结合使用 Mac 与外部图形处理器，进一步提升模型训练效果。
模型类型
Create ML 有多种模型类型可供选择。只需在 app 中选择模型类型，然后添加数据和参数，即可开始训练。
- 图像：图像分类、对象检测、样式转换。
- 视频：动作分类、样式转换 。
- 运动：活动分类。
- 声音：声音分类。
- 文本：文本分类、文字标记。
- 表格：表格分类、表格回归、推荐。
开始使用
创建要在 app 中使用的机器学习模型。
Create ML 可以与 Swift 和 macOS Playground 等您所熟悉的工具搭配使用，在 Mac 上创建和训练自定的机器学习模型。您可以训练模型来完成一些任务，例如识别图像、提取文本含义或查找数字值之间的关系。
image.png
您可以通过向模型展示训练样本来训练模型识别图案。例如，您可以通过向模型展示大量不同犬类的图像来训练模型识别犬类。在完成模型训练后，您可使用模型之前未曾见过的数据来测试模型，并评估模型完成这个任务的表现情况。如果模型表现良好，就可以使用 Core ML 将它整合到 app 中。
image.png
Create ML 利用“照片”和 Siri 等 Apple 产品中内建的机器学习基础架构。这意味着，图像分类和自然语言模型会更小，训练时间所需的时间也要短很多。
1、图像分类
创建图像分类器模型
(训练机器学习模型来对图像进行分类。)
class MLImageClassifier
(一个 Xcode Playground UI，用于训练模型来对图像进行分类。)
struct MLImageClassifie
(以编程方式训练用来进行图像分类的模型。)
2、自然语言处理
创建文本分类器模型
(训练机器学习模型来对自然语言文本进行分类。)
struct MLTextClassifier(英文)
(训练用来进行自然语言文本分类的模型。)
struct MLWordTagger(英文)
(在单词级别训练用来进行自然语言文本分类的模型。)
3、表格数据
一些有用的结构和模型，适用于通过标记信息或估算新数量来处理的更普通任务。
根据表格数据创建模型
(使用 Core ML 导入和管理表格数据来训练机器学习模型。)
enum MLClassifier(英文)
(训练用来将数据分类成不同类别的模型。)
enum MLRegressor(英文)
(训练用来估算连续值的模型。)
struct MLDataTable(英文)
(用于训练或评估机器学习模型的数据表。)
enum MLDataValue(英文)
(数据表中单元格的值。)
4、模型准确性
提高模型准确性
(使用各项指标来调节机器学习模型的性能。)
struct MLClassifierMetrics(英文)
(用于评估分类器性能的指标。)
struct MLRegressorMetrics(英文)
(用于评估回归元性能的指标。)
5、错误
enum MLCreateError(英文)
(Create ML 生成的错误。)
网友评论