「 知識小集 」2019 · 第 1 期

知識小集發表於2019-01-11

2019 年，我們嘗試一下新的方式來發我們文章。每週我們會圍繞一個主題，挑選 2 ~ 3 篇相關的文章來介紹這個主題。文章的內容會有入門、進階等不同深度。當然，每週的文章也會有主題之外的內容，要不會顯得太單調了?。如果您有想了解的主題或不錯的文章，可以在公眾號給我們留言。我們會收集資訊，以備後續整理。?

本週主題：Core ML

近幾年來，機器學習發展的如火如荼，各大公司都開始在這方面發力。Apple 當然也不想落後。隨著硬體效能的提升，Apple 也適時推出了適合於移動平臺的機器學習框架 Core ML，讓我們能在手機上更方便地體驗機器學習這項技術。

本週內容

本期公眾號的主要內容有：

這周小集的內容有：

  • 在 UILabel 中渲染 HTML
  • iOS App 異常捕獲相互覆蓋問題
  • Aspects hook 類方法的正確姿勢
  • Debug Memory Graph 檢查記憶體異常

更多內容可以檢視我們的小程式，或者 Github

文章

Core ML 人工智慧快速上手

作者對 Core ML 的初步觀感是定位為一個易用的 AI 庫，把 AI 的使用做到了非常簡便。通過首先，Core ML 需要使用副檔名為 .mimodel 的檔案作為 AI 模型。 這個模型相當於大多數 AI 所建立的模型一樣，可以是神經網路，線性模型等等。對於純粹的使用者來說這些細節可以不用深究。

Core ML 入門：構建一個簡單的影象識別應用

SwiftGG 團隊的譯文。

Core ML 使得開發者能夠將各種各樣的機器學習模型整合到應用程式中。它除了支援超過 30 層型別的廣泛深度學習，還支援如樹整合、SVMs 和廣義線性模型等標準模型。Core ML 建立在像 Metal 和 Accelerate 這樣的底層技術之上，因此它能夠無縫地充分利用 CPU 和 GPU 以實現效能最大化。機器學習模型可直接執行在裝置上，以至於資料被分析時不需要脫離裝置。

本文的示例程式很簡單，讓使用者拍攝或者從相簿中選擇一張照片，然後機器學習演算法將會嘗試預測照片中的物體。雖然預測結果可能並不完美，但你將藉此瞭解到如何將 Core ML 應用到應用程式上。

Apple’s Core ML 2 vs. Google’s ML Kit: What’s the difference?

在Apple的2018年全球開發者大會上，Cupertino 公司宣佈推出 Core ML 2。而 Google 也在同一年的 I/O 2018 推出了適用於 iOS 和 Android 兩個平臺的 ML Kit。本文分別簡單介紹了兩個框架，並做了一個簡單的評價。兩者各有優點和短板，最大的區別可能是各自平臺對兩者的支援。Core ML 自然不能在 Android 上使用，而 Google 則提供了大量預先構建的機器學習模型和API供您選擇，包括用於上下文訊息回覆和條形碼掃描的 API。選擇使用哪個框架，更多的是取決的開發者。

What’s New in Core ML 2

這篇文章總結了 Core ML 2.0 中的所有新變化。Core ML 2.0旨在使模型更小，更快，更可定製。我們看到了如何通過權重量化來減小 Core ML 模型的大小，通過新的 Batch API 提高模型的效能，以及我們可能需要為模型編寫自定義層的示例。

開原始碼

CoreML-in-ARKit

這個小應用是用於檢測物件並通過 AR 在物體上方顯示 3D 標籤來標識物體名稱。物體的識別則是使用 Core ML 的 Vision 來實現，可以體驗一下。

CoreMLHelpers

這個庫封裝了 Core ML 的一些功能，提供一些型別和函式，讓我們可以更方便地使用 Core ML。

CoreMLHelpers 提供了以下功能：

  • 將影象轉換為CVPixelBuffer物件並返回
  • MLMultiArray到影象轉換
  • 一些簡便的功能，如獲得前 5 個預測、argmax，等等
  • 對邊界框的非最大抑制
  • 一個更加友好的 MLMultiArray

MobileNet with CoreML

這是使用 Apple 的 Core ML 實現的針對 MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications 一文提出的 MobileNet 神經網路框架。同時包含兩個 Demo 來演示框架的使用。

視訊

Apple 在 WWDC 2017 推出了 Core ML，並且在 WWDC 2018 推出了升級版本 Core ML。在這兩次 WWDC 上，Apple 都花了不少時間來推廣這個框架，主要的視訊有：

WWDC 2017

WWDC 2018

資源

Awesome CoreML Models

Github 上的 Awesome 系列。

自 iOS 11 以來，Apple 釋出了Core ML框架，以幫助開發人員將機器學習模型整合到應用程式中。在這個 repo 中，收錄了大量的 Core ML 格式的機器學習模型，以 以幫助 iOS、macOS、tvOS 和 watchOS 開發人員嘗試機器學習技術。同時還有一個相關的網站 CoreML.Store，以視覺化的形式來展示這些模型。（不好意思，我沒有開啟?）

我們以Core ML格式提供了最大的機器學習模型集合，以幫助iOS，macOS，tvOS和watchOS開發人員嘗試機器學習技術。 我們已經建立了一個具有更好的CoreML.Store模型視覺化的站點，並且正在開發更多高階功能。

tfcoreml

將 TensorFlow (TF) 模型轉換為 CoreML 模型的 python 工具。

職位

最近各種裁員新聞，讓很多小夥伴成了受害者。我們希望能做一些力所能及的事。所以在 老司機週報 團隊的組織下，和 老司機週報、SwiftGG 團隊一起，收集整理一些招聘內推資訊，分享給大家，希望對失業的小夥伴有所幫助。

關注我們

歡迎關注我們的公眾號：iOS-Tips，也歡迎加入我們的群組討論問題。可以公眾號留言 ios、flutter 等關鍵詞獲取入群方式。

「 知識小集 」2019 · 第 1 期

相關文章