必威官网betway必威体育资讯

产品中心

必威:你在打王者農藥有人卻用iPhone來訓練神經

发布者:必威官网betway必威体育|官网首页欢迎您 发布时间:2020-05-27 14:30 浏览者:

機器學習要想在移動端上應用一般分為如下兩個階段,第一個階段是訓練模型,第二個階段是部署模型。常規的做法是在算力強大的GPU或TPU上對模型進行訓練,之后再使用一系列模型壓縮的方法,將其轉換為可在移動端上運行的模型,并與APP連通起來。CoreML主要解決的就是最后的模型部署這一環節,它為開發者提供了一個便捷的模型轉換工具,可以很方便地將訓練好的模型轉換為CoreML類型的模型文件,必威官网betway必威体育實現模型與APP數據的互通。

項目作者在macOS、iOS模擬器和真實的iOS設備上進行了測試。用60000個MNIST樣本訓練了10個epoch,在模型架構與訓練參數完全相同的前提下,必威官网betway必威体育使用CoreML在iPhone11上訓練大概需要248秒,在i7MacBookPro上使用TensorFlow2.0訓練需要158秒(僅使用CPU的情況下),但準確率都超過了0.98。

當然,必威官网betway必威体育在248秒和158秒之間還有非常大的差距,但進行此項實驗的目的并不是比速度,而是為了探索用移動設備或可穿戴設備在本地進行訓練的可行性,因為這些設備中的數據往往比較敏感,而且涉及隱私,本地訓練可以提供更好的安全性。

必威官网betway必威体育如果你想了解CNN的細節和優勢,從LeNet架構著手是一個再好不過的起點。LeNetCNN+MNIST數據集的組合是機器學習「訓練」的標準組合,必威官网betway必威体育簡直相當于深度學習圖像分類的「Hello,World」。

這篇文章主要著眼于如何在iOS設備上直接為MNIST數據集構建和訓練一個LeNetCNN模型。接下來,研究者將把它與基于著名的ML框架(如TensorFlow)的經典「Python」實現方法進行比較。

在下列的SwiftCoreMLToolsDSL函數構建器代碼中,還可以查看在相同的情況中如何傳遞至CoreML模型中。同時,也包含了基本的訓練信息、超參數等,如損失函數、優化器、學習率、epoch數、batchsize等等。


【返回】


网站首页 产品中心 新闻中心 成功案例 关于我们 联系我们

Copyright 2003 - 2090 必威官网betway必威体育. All Rights Reserved 版权所有 京ICP11235816

地址:启龙农资商城