iOS 11：机器学习人人有份

秒速五厘米 2022-06-12 02:46 128阅读 0赞

![Image 1][]

Core ML

>  *  原文地址：[iOS 11: Machine Learning for everyone][iOS 11_ Machine Learning for everyone]
>  *  原文作者：[Matthijs Hollemans][]
>  *  译文出自：[掘金翻译计划][Link 1]
>  *  译者：[Changkun Ou][]
>  *  校对者：[wilsonandusa][] [atuooo][]

**本文同步发布于公众号：AIMaster**。在这里，我们一起学习 AI.

WWDC 2017 使一件事情变得非常清楚，那就是：Apple 正在全力以赴地支持「**设备上的机器学习**」了。

他们希望 App 的开发者们能够尽可能的简单的加入他们的行列中。

Apple 去年发布了可以用于创建基本的卷积神经网的 Metal CNN 和 BNNS 框架。今年，Metal 得到了进一步扩展，增加了一个全新的计算机视觉框架，以及 **Core ML**：一个能够轻松地将机器学习集成到 App 中的工具包。

![e05cc2ef96011b03d2bb8727cf8b0a64][]

Core ML framework

在这片文章中，我将就 iOS 11 和 macOS 10.13 中这些新推出的机器学习的内容，分享我自己的一些想法和经验。

## Core ML ##

Core ML 在 WWDC 上获得了极大的关注度，原因很简单：大部分开发者希望能够在他们的 App 中使用这个框架。

Core ML 的 API 非常简单。你只能用它做这些事情：

1.  加载一个训练好的模型
2.  做出预测
3.  收益！！！

这看起来好像很有限，但实际上你一般只会在 App 中加载模型和做出预测这两件事。

在 Core ML 之前，加载训练好的模型是非常困难的 —— 实际上，我写过[一个框架][Link 2]来减轻这种痛苦。所以现在我对这一个简单的两步过程感到非常高兴。

模型被包含在了一个 **.mlmodel** 的文件中。这是一种新的[开源文件格式][Link 3]，用于描述模型中的 layer、输入输出、标签，以及需要在数据上产生的任何预处理过程。它还包括了所有的学习参数（权重和偏置）。

使用模型所需的一切都在这一个文件里面了。

你只需要将 mlmodel 文件放入你的项目中，Xcode 将会自动生成一个 Swift 或 Objective-C 的包装类，使你能简单的使用这个模型。

举个例子，如果你把文件 **ResNet50.mlmodel** 添加到你的 Xcode 项目中，那么你就可以这么写来实例化这个模型：

let model = ResNet50()

然后做出预测：

let pixelBuffer: CVPixelBuffer = /* your image */if let prediction = try? model.prediction(image: pixelBuffer) {
      print(prediction.classLabel)
    }

这差不多就是所有要写的东西了。你不需要编写任何代码来加载模型，或者将其输出转换成可以从 Swift 直接使用的内容 —— 这一切都将由 Core ML 和 Xcode 来处理。

**注意:** 要了解背后发生了什么，可以在 Project Navigator 里选择 **mlmodel** 文件，然后点击 Swift generated source 右边的箭头按钮，就能够查看生成的帮助代码了。

Core ML 将决定自己到底是在 CPU 上运行还是 GPU 上运行。这使得它能够充分的利用可以用的资源。Core ML 甚至可以将模型分割成仅在 GPU 上执行的部分（需要大量计算的任务）以及 CPU 上的其他部分（需要大量内存的任务）。

Core ML 使用 CPU 的能力对于我们开发者来说另一个很大的好处是：你可以从 iOS 模拟器运行它，从而运行那些对于 Metal 来说做不到，同时在单元测试中也不太好的任务。

### Core ML 支持什么模型？ ###

上面的 ResNet50 例子展示的是一个图像分类器，但是 Core ML 可以处理几种不同类型的模型，如：

*  支持向量机 SVM
 *  诸如随机森林和提升树的决策树集成
 *  线性回归和 logistic 回归
 *  前馈神经网、卷积神经网、递归神经网

所有这些模型都可以用于回归问题和分类问题。此外，你的模型可以包含这些典型的机器学习预处理操作，例如独热编码（one-hot encoding）、特征缩放（feature scaling）、缺失值处理等等。

Apple 提供了很多已经训练好的模型[可供下载][Link 4]，例如 Inception v3、ResNet50 和 VGG16 等，但你也可以使用 [ Core ML Tools][Link 3] 这个 Python 库来转换自己的模型。

目前，你可以转换使用 Keras、Caffe、scikit-learn、XGBoost 和 libSVM 训练的模型。转换工具只会支持具体指定的版本，比如 Keras 支持 1.2.2 但不支持 2.0。辛运的是，该工具是开源的，所以毫无疑问它将来会支持更多的训练工具包。

如果这些都不行，你还是可以随时编写自己的转换器。**mlmodel** 文件格式是开源且可以直接使用的（由 Apple 制定发布的一种 protobuf 格式）

### 局限 ###

如果你想在你的 App 上马上运行一个模型， Core ML 很不错。然而使用这样一个简单的 API 一定会有一些限制。

*  仅支持**有监督**学习的模型，无监督学习和增强学习都是不行的。（不过有一个「通用」的神经网络类型支持，因此你可以使用它）
 *  设备上不能进行训练。你需要使用离线工具包来进行训练，然后将它们转换到 Core ML 格式。
 *  如果 Core ML 不支持某种类型的 layer，那么你就不能使用它。在这一点上，你**不能**使用自己的 kernel 来扩展 Core ML。在使用 TensorFlow 这样的工具来构建通用计算图模型时，mlmodel 文件格式可能就不那么灵活了。
 *  Core ML 转换工具只支持**特定版本**的数量有限的训练工具。例如，如果你在 TensorFLow 中训练了一个模型，则无法使用此工具，你必须编写自己的转换脚本。正如我刚才提到的：如果你的 TensorFlow 模型具有一些 mlmodel 不支持的特性，那么你就不能在 Core ML 上使用你的模型。
 *  你不能查看**中间层**的输出，只能获得最后一层网络的预测值。
 *  我感觉下载模型更新会造成一些问题，如果你不想每次重新训练模型的时候都重写一个新版本的 App，那么 Core ML 不适合你。
 *  Core ML 对外屏蔽了它是运行在 CPU 上还是 GPU 上的细节 —— 这很方便 —— 但你必须相信它对你的 App 能做出正确的事情。即便你真的需要，你也不能强迫 Core ML 运行在 GPU 上。

如果你能够忍受这些限制，那么 Core ML 对你来说就是正确的选择。

否则的话，如果你想要完全的控制权，那么你必须使用 Metal Performance Shader 或 Accelerate 框架 —— 甚至一起使用 —— 来驱动你的模型了！

当然，真正的黑魔法不是 Core ML，而是你的模型。**如果你连模型都没有，Core ML 是没有用的**。而设计和训练一个模型就是机器学习的难点所在……

### 一个快速示例程序 ###

我写了一个使用了 Core ML 的简单的示例项目，和往常一样，你可以在 GitHub 上找到[源码][Link 5]。

![947f45c259b265eeb15ac8b7c2985155][]

The demo app in action

这个示例程序使用了 [ MobileNet][MobileNet] 架构来分类图片中的猫。

最初这个模型是[用 Caffe 训练][Caffe]得出的。我花了一点时间来搞清楚如何将它转换到一个 mlmodel 文件，但是一旦我有了这个转换好的模型，便很容易集成到 App 中了（[转换脚本][Link 6]包含在 GitHub 中）。

虽然这个 App 不是很有趣 —— 它只输出了一张静态图片的前五个预测值 —— 但却展示了使用 Core ML 是多么的简单。几行代码就够了。

**注意:** 示例程序在模拟器上工作正常，但是设备上运行就会崩溃。继续阅读来看看为什么会发生这种情况 ;-)

当然，我想知道发生了什么事情。事实证明 **mlmodel** 实际上被编译进应用程序 bundle 的 **mlmodelc** 文件夹中了。这个文件夹里包含了一堆不同的文件，一些二进制文件，一些 JSON文件。所以你你可以看到 Core ML 是如何将 mlmodel 在实际部署到应用中之前进行转换的。

例如，MobileNet Caffe 模型使用了批量归一化（Batch Normalization）层，我验证了这些转换也存在于 **mlmodel** 文件中。但是在编译的 mlmodelc 中，这些批量归一化 layer 似乎就被移除了。这是个好消息：Core ML 优化了该模型。

尽管如此，它似乎可以更好的优化该模型的结构，因为 **mlmodelc** 仍然包含一些不必要的 scaling layer。

当然，我们还处在 iOS 11 beta 1 的版本，Core ML 可能还会改进。也就是说，在应用到 Core ML 之前，还是值得对模型进一步优化的 —— 例如，[通过「folding」操作对 layer 进行批量归一化（Batch Normalization）][folding_ layer _Batch Normalization] —— 但这是你必须对你的特性模型进行测量和比较的东西。

还有其他一些你必须检查的：你的模型是否在 CPU 和 GPU 上运行相同。我提到 Core ML 将选择是否在 CPU 上运行模型（使用 Accelerate 框架）或 GPU（使用 Metal ）。事实证明，这两个实现可能会有所不同 —— 所以你两个都需要测试！

例如，MobileNet 使用所谓的「depthwise」卷积层。原始模型在 Caffe 中进行训练，Caffe 通过使正常卷积的 `groups` 属性等于输出通道的数量来支持 depthwise 卷积。所得到的 **MobileNet.mlmodel** 文件也一样。这在 iOS 模拟器中工作正常，但它在设备上就会崩溃！

发生这一切的原因是：模拟器使用的是 Accelerate 框架，但是该设备上使用的却是 Metal Performance Shaders。由于 Metal 对数据进行编码方式的特殊性， `MPSCNNConvolution` 内核限制了：不能使 groups 数等于输出通道的数量。噢嚯！

我向 Apple 提交了一个 bug，但是我想说的是：模型能在模拟器上运行正常并不意味着它在设备上运行正常。**一定要测试！**

### 有多快？ ###

我没有办法测试 Core ML 的速度，因为我的全新 10.5 寸 iPad Pro 下个星期才能到（呵呵）。

我感兴趣的是我自己写的 [ Forge 库][Forge]和 Core ML （考虑到我们都是一个早期的测试版）之间运行 MobileNets 之间的性能差异。

敬请关注！当我有数据可以分享时，我会更新这一节内容。

## Vision ##

下一个要讨论的事情就是全新的 **Vision** 框架。

你可能已经从它的名字中猜到了，Vision 可以让你执行**计算机视觉**任务。在以前你可能会使用 [ OpenCV][OpenCV]，但现在 iOS 有自己的 API 了。

![eb305ec39c5457216e8ec6ddf2824f96][]

Happy people with square faces

Vision 可以执行的任务有以下几种：

*  在图像中寻找人脸。然后对每个脸给出一个矩形框。
 *  寻找面部的详细特征，比如眼睛和嘴巴的位置，头部的形状等等。
 *  寻找矩形形状的图像，比如路标。
 *  追踪视频中移动的对象。
 *  确定地平线的角度。
 *  转换两个图像，使其内容对齐。这对于拼接照片非常有用。
 *  检测包含文本的图像中的区域。
 *  检测和识别条形码。

Core Image 和 AVFoundation 已经可以实现其中的一些任务，但现在他们都集成在一个具有一致性 API 的框架内了。

如果你的应用程序需要执行这些计算机视觉任务之一，再也不用跑去自己实现或使用别人的库了 - 只需使用 Vision 框架。你还可以将其与 Core Image 框架相结合，以获得更多的图像处理能力。

更好的是：**你可以使用 Vision 驱动 Core ML**，这允许你使用这些计算机视觉技术作为神经网络的预处理步骤。例如，你可以使用 Vision 来检测人脸的位置和大小，将视频帧裁剪到该区域，然后在这部分的面部图像上运行神经网络。

事实上，任何时候当你结合图像或者视频使用 Core ML 时，使用 Vision 都是合理的。原始的 Core ML 需要你确保输入图像是模型所期望的格式。如果使用 Vision 框架来负责调整图像大小等，这会为你节省不少力气。

使用 Vision 来驱动 Core ML 的代码长这个样子：

// Core ML 的机器学习模型
    let modelCoreML = ResNet50()

// 将 Core ML 链接到 Vision
    let visionModel = try? VNCoreMLModel(for: modelCoreML.model)

let classificationRequest = VNCoreMLRequest(model: visionModel) {
      request, error iniflet observations = request.results as? [VNClassificationObservation] {
        /* 进行预测 */
      }
    }
    
    let handler = VNImageRequestHandler(cgImage: yourImage)
    try? handler.perform([classificationRequest])

请注意，`VNImageRequestHandler` 接受一个请求对象数组，允许你将多个计算机视觉任务链接在一起，如下所示：

try? handler.perform([faceDetectionRequest, classificationRequest])

Vision 使计算机视觉变得非常容易使用。 但对我们机器学习人员很酷的事情是，你可以将这些计算机视觉任务的输出输入到你的 Core ML 模型中。 结合 Core Image 的力量，批量图像处理就跟玩儿一样！

## Metal Performance Shaders ##

我最后一个想要讨论的话题就是 **Metal** —— Apple 的 GPU 编程 API。

我今年为客户提供的很多工作涉及到使用 [ Metal Performance Shaders (MPS)][Metal Performance Shaders _MPS] 来构建神经网络，并对其进行优化，从而获得最佳性能。但是 iOS 10 只提供了几个用于创建神经网络的基本 kernel。通常需要编写自定义的 kernel 来弥补这个缺陷。

所以我很开心使用 iOS 11，可用的 kernel 已经增长了许多，更好的是：我们现在有一个用于构建图的 API 了！

![4045dee5353292178785c42883ddcb62][]

Metal Performance Shaders

**注意:** 为什么要使用 MPS 而不是 Core ML？好问题！最大的原因是当 Core ML 不支持你想要做的事情时，或者当你想要完全的控制权并获得最大运行速度时。

MPS 中对于机器学习来说的最大的变化是：

**递归神经网络**。你现在可以创建 RNN，LSTM，GRU 和 MGU 层了。这些工作在 `MPSImage` 对象的序列上，但也适用于 `MPSMatrix` 对象的序列。这很有趣，因为所有其他 MPS layer 仅处理图像 —— 但显然，当你使用文本或其他非图像数据时，这不是很方便。

**更多数据类型**。以前的权重应该是 32 位浮点数，但现在可以是 16 位浮点数（半精度），8 位整数，甚至是 2 进制数。卷积和 fully-connected 的 layer 可以用 2 进制权重和 2 进制化输入来完成。

**更多的层**。到目前为止，我们不得不采用普通的常规卷积、最大池化和平均池化，但是在 iOS 11 MPS 中，你可以进行扩张卷积（Dilated Convolution）、子像素卷积（Subpixel Convolution）、转置卷积（Transposed Convolution）、上采样（Upsampling）和重采样（Resampling）、L2 范数池化（L2-norm pooling）、扩张最大池化（dilated max pooling），还有一些新的激活函数。 MPS 还没有所有的 Keras 或 Caffe layer 类型，但差距正在缩小...

**更方便**。使用 `MPSImages` 总是有点奇怪，因为 Metal 每次以 4 个通道的片段组织数据（因为图像由 `MTLTexture` 对象支持）。但是现在，`MPSImage` 有用于读取和写入数据的方法，这些数据不会让你感到困惑。

`MPSCNNConvolutionDescriptor` 还有一个新方法，可以让你在 layer 上设置批量归一化参数。这意味着你不再需要将批量归一化到卷积层中，而 MPS 会为你处理这些事情。非常方便！

**性能改进**。现有的内核变得更快。这总是好消息。 ��

**图 API**。这是我最关心的消息。手动创建所有 layer 和（临时）图像总是令人讨厌的。现在你可以描述一个图，就像你在Keras 中一样。 MPS 将自动计算出图像需要多大，如何处理填充，如何设置 MPS 内核的 `offset` 等等。甚至可以通过融合不同的 layer 来优化整个图。

看起来所有的 MPS 内核都可以使用 `NSSecureCoding` 进行序列化，这意味着你可以将图保存到文件中，然后将其还原。并且使用这个图来推断现在只是一个单一的方法调用。它不像 Core ML 那么简单，但使用 MPS 绝对比以前好用得多。

有一件事情我目前还不太清楚，那就是我不知道你是否可以编写自己的 kernel 并在这个图中使用。在我客户的工作中，我发现通常需要使用 Metel Shading 语言编写的自定义着色器来进行预处理步骤。据我所知，似乎没有一个「`MPSNNCustomKernelNode`」类。这还要再多研究一下！

结论：用于机器学习的 Metal Performance Shaders 已经在 iOS 11 中变得更加强大，但是大多数开发人员应该转而使用 Core ML（对于那些使用MPS的来说）。

**注意**：新的图 API 使我的 [ Forge 库][Link 2]基本上过时了，除非你希望在 App 中继续支持 iOS 10。我将尽快将示例应用移植到新的图 API 上，然后将写一个更详细的博客文章。

## 杂项 ##

还有一些其他的更新：

**Accelerate 框架:** 似乎 [ Accelerate 框架中的 BNNS][Accelerate _ BNNS] 并没有获得太多功能上的更新。它终于有了 Softmax 层，但 MPS 却没有新的 layer 类型。也许无关紧要：使用 CPU 进行深层神经网络可能不是一个好主意。也就是说，我喜欢 Accelerate，它有很多好玩的东西。而今年，它确实获得了对稀疏矩阵的更多支持，很棒。

**自然语言处理:** Core ML不仅仅只能处理图像，它还可以处理大量不同类型的数据，包括文本。 使用的 API `NSLinguisticTagger` 类已经存在了一段时间，但是与 iOS 11 相比变得更加有效了。`NSLinguisticTagger` 现在已经能进行语言鉴别，词法分析，词性标注，词干提取和命名实体识别。

我没有什么 NLP 的经验，所以我没办法比较它与其他 NLP 框架的区别，但`NSLinguisticTagger` 看起来相当强大。 如果要将 NLP 添加到 App 中，此 API 似乎是一个好的起点。

## 都是好消息吗? ##

Apple 向我们开发者提供所有的这些新工具都非常的好，但是大多数 Apple API 都有一些很重要的问题：

1.  闭源
2.  有局限
3.  只有在新 OS 发布时候才会更新

这三个东西加在一起意味着苹果的 API **总会落后**于其他工具。如果 Keras 增加了一个很炫酷的新的 layer 类型，那么在 Apple 更新其框架和操作系统之前，你都没办法将它和 Core ML 一起使用了。

如果某些 API 得到的计算结果并不是你想要的，你没办法简单的进去看看到底是 Core ML 的问题还是模型的问题，再去修复它 —— 你必须绕开 Core ML 来解决这个问题（并不总是可能的）；要么就只能等到下一个 OS 发布了（需要你所有的用户进行升级）。

当然我不希望 Apple 放弃他们的秘密武器，但是就像其他大多数机器学习工具开源一样，为什么不让 Core ML 也开源呢？

[Image 1]: 
[iOS 11_ Machine Learning for everyone]: http://machinethink.net/blog/ios-11-machine-learning-for-everyone/
[Matthijs Hollemans]: https://twitter.com/mhollemans
[Link 1]: https://github.com/xitu/gold-miner
[Changkun Ou]: https://github.com/changkun/
[wilsonandusa]: https://github.com/wilsonandusa
[atuooo]: https://github.com/atuooo
[e05cc2ef96011b03d2bb8727cf8b0a64]: https://user-gold-cdn.xitu.io/2017/6/28/e05cc2ef96011b03d2bb8727cf8b0a64
[Link 2]: http://github.com/hollance/Forge
[Link 3]: https://pypi.python.org/pypi/coremltools
[Link 4]: http://developer.apple.com/machine-learning/
[Link 5]: https://github.com/hollance/MobileNet-CoreML
[947f45c259b265eeb15ac8b7c2985155]: https://user-gold-cdn.xitu.io/2017/6/28/947f45c259b265eeb15ac8b7c2985155
[MobileNet]: https://arxiv.org/abs/1704.04861v1
[Caffe]: https://github.com/shicai/MobileNet-Caffe
[Link 6]: https://github.com/hollance/MobileNet-CoreML/blob/master/Convert/coreml.py
[folding_ layer _Batch Normalization]: http://machinethink.net/blog/object-detection-with-yolo/#converting-to-metal
[Forge]: https://github.com/hollance/Forge
[OpenCV]: http://opencv.org/
[eb305ec39c5457216e8ec6ddf2824f96]: https://user-gold-cdn.xitu.io/2017/6/28/eb305ec39c5457216e8ec6ddf2824f96
[Metal Performance Shaders _MPS]: http://machinethink.net/blog/convolutional-neural-networks-on-the-iphone-with-vggnet/
[4045dee5353292178785c42883ddcb62]: https://user-gold-cdn.xitu.io/2017/6/28/4045dee5353292178785c42883ddcb62
[Accelerate _ BNNS]: http://machinethink.net/blog/apple-deep-learning-bnns-versus-metal-cnn/