机器学习是很火的，许多人只是听说过，但知之甚少。这篇iOS机器学习的教程将会介绍CoreML和Vison,这是iOS11中引入的的两个全新的框架。
具体来说，将学习如何使用Places205-GoogLeNet模型将这些新API用于对图像的场景
开始
下载启动项目。他已经包含了显示图片的用户界面，并且可是让用户从照片库中选择另一张图片。所以你可以专注于实现应用程序的机器学习和视觉方面。
编译并运行项目，你将看到一个城市的图片和一个按钮：
从相册中选择领一张图片。这个启动项目的Info.plist已经包含了Privacy – Photo Library Usage Description,因此将会提示你允许使用。
在图片和按钮之间还包含一个文本框，它用于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，其中计算机“学习”而不被明确编程。机器学习工具不用编码算法，而是通过大量数据中查找模式，使计算器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。苹果的核心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。然而，神经网络已经产生了许多最壮观的最近的成功，从2012年谷歌2012年使用YouTube视频来训练其人工智能来识别猫和人。只有五年后，Google正在赞助一个比赛，以确定5000种植物和动物。像Siri和Alexa这样的应用程序也存在于神经网络中。
一个神经网络试图用层次的节点来模拟人类脑部过程，并以不同的方式联系在一起。每个附加层需要大量增加计算能力：Inception v3，一个对象识别模型，有48层和约2000万个参数。但是计算基本上是矩阵乘法，哪些GPU处理非常有效。 GPU的成本下降使得人们能够创建多层深层神经网络，因此是深入学习的术语。
神经网络需要大量的训练数据，理想地代表了全方位的可能性。 用户生成数据的爆炸也促成了机器学习的复兴。
训练模型意味着向神经网络提供训练数据，并使其计算用于组合输入参数以产生输出的公式。 培训发生在离线状态，通常在具有多个GPU的机器上。
要使用这个模型，你给它新的输入，它计算输出：这被称为推论。 推论仍然需要大量的计算，来计算新输入的输出。 由于像Metal这样的框架，现在可以在手持设备上进行这些计算。
如本教程末尾所示，深入学习远非完美。 建立真正有代表性的培训数据真的很困难，过分训练模型太容易了，所以对古怪的特征给予太多的重视。
苹果提供了什么？
苹果在iOS5中引入了NSLinguisticTagger来分析自然语言。Metal出现在iOS8中，提供对设备GPU的低级访问。
去年，苹果公司将基本神经网络子程序（BNNS）添加到其加速框架中，使开发人员可以构建神经网络来进行推理（而不是训练）。
而今年，苹果给出了CoreML和Vision！
- Core ML 使您更容易在您的应用程序中使用经过训练的模型
- Vision 让您轻松访问Apple的模型，以检测脸部，面部地标，文字，矩形，条形码和对象。
您还可以在Vision模型中包装任何图像分析Core ML模型，这在本教程中将会如何。 因为这两个框架是基于Metal构建的，所以它们在设备上高效运行，因此您不需要将用户的数据发送到服务器。
将CoreML模型集成到你的App中
本教程使用Places205-GoogLeNet模型，您可以从Apple的“机器学习页面.”页面下载。 向下滚动到Working with Models，并下载第一个。 当您在那里时，请注意其他三个模型，它们都会在图像中检测物体 - 树木，动物，人物等。
如果您使用受支持的机器学习工具（如Caffe，Keras或scikit-learn）创建的训练模型，将训练模型转换为CoreML可描述如何将其转换为Core ML格式。
添加模型到项目中
下载完GoogLeNetPlaces.mlmodel后，拖到项目的Resources目录中。
选中这个文件，并稍等一下。当Xcode生成模型类时，将会出现一个箭头：
点击箭头就可以看到生成的类：
Xcode已经生成输入输出类，并且主要的类GoogLeNetPlaces有一个model属性和两个prediction方法。
GoogLeNetPlacesInput用一个CVPixelBuffer类型的sceneImage属性。这是什么？不要害怕，不要哭泣，Vision框架将会将我们属性的图像格式装换为正确的输入类型。
Vision框架还将GoogLeNetPlacesOutput属性转换为自己的结果类型，并管理对预测方法的调用，所以在所有生成的代码中，代码将只使用model属性。
在Vision模型中包装Core ML模型
最后，你将需要写些代码！打开ViewController.swift,在import UIKit下面导入两个框架：
import CoreML
import Vision
然后在IBActions扩展末尾添加如下扩展:
// MARK: - Methods
extension ViewController {
func detectScene(image: CIImage) {
answerLabel.text = "detecting scene..."
// Load the ML model through its generated class
guard let model = try? VNCoreMLModel(for: GoogLeNetPlaces().model) else {
fatalError("can't load Places ML model")
}
}
}
代码意思如下:
首先，您显示一条消息，以便用户知道某些事情正在发生。
GoogLeNetPlaces的指定的初始化程序会引发错误，因此在创建时必须使用try。
VNCoreMLModel只是一个用于Vision请求的Core ML模型的容器。
标准Vision工作流程是创建模型，创建一个或多个请求，然后创建并运行请求处理程序。 您刚刚创建了该模型，因此您的下一步是创建一个请求。
在detectScene(image:):末尾添加下面代码：
// Create a Vision request with completion handler
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")
}
// Update UI on main queue
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是使用Core ML模型来完成工作的图像分析请求。它的完成处理程序接收request和error对象。
您检查该request.results是一组VNClassificationObservation对象，这是当Core ML模型是分类器而不是预测器或图像处理器时，Vision框架返回的。而GoogLeNetPlaces是一个分类器，因为它仅预测了一个特征：图像的场景分类。
VNClassificationObservation有两个属性：identifier - 一个String类型 - 和confidence - 介于0和1之间的数字 - 这是分类正确的概率。当使用对象检测模型时，您可能只会看到那些confidence大于某个阈值的对象，例如30％。
然后，取第一个结果将具有最高的置信度值，并将不定冠词设置为“a”或“an”，具体取决于标识符的第一个字母。最后，您将返回主队列更新标签。你很快会看到分类工作发生在主队列中，因为它可能很慢。
现在，到第三步：创建和运行请求处理程序。
在detectScene(image:):末尾添加下面代码：
// Run the Core ML GoogLeNetPlaces classifier on global dispatch queue
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; 它不是核心ML模型的具体。 你给它作为一个参数进入detectScene（image :)的图像。 然后通过调用其perform方法运行处理程序，传递一个请求数组。 在这种情况下，您只有一个请求。
perform方法抛出一个错误，所以你把它包装在一个try-catch。
使用模型来分类场景
现在只需要在两个地方调用detectScene（image :)。
在viewDidLoad（）和imagePickerController（_：didFinishPickingMediaWithInfo :)的末尾添加以下行：
guard let ciImage = CIImage(image: image) else {
fatalError("couldn't convert UIImage to CIImage")
}
detectScene(image: ciImage)
编译并运行。很快就可以看到分类：
嗯，是的，图像中有摩天大楼。 还有火车。
点击按钮，并选择照片库中的第一个图像：一些太阳斑点的叶子的特写镜头：
引用:
- Apple’s Core ML Framework documentation
- WWDC 2017 Session 703 Introducing Core ML
- WWDC 2017 Session 710 Core ML in depth
- Core ML and Vision: Machine Learning in iOS 11 Tutorial
