用iOS的ML（机器学习）创建自己的AI App
目录
推荐超级课程：
在机器学习中，一切都始于模型，这是进行预测或识别的系统。教计算机学习涉及使用训练数据的机器学习算法进行学习。从训练中生成的输出通常称为机器学习模型。有不同类型的机器学习模型来解决同一个问题（例如对象识别），但使用不同的算法。神经网络, 树集成, 支持向量机（SVM）是其中一些机器学习算法。
机器学习如同迭代过程
首先，我们尝试使用公共模型，但为了带来独特的市场价值和优势，我们希望我们的模型能胜过其他模型。我们在寻找的是所谓的ML反馈循环。谷歌在其ML功能中遵循以下模式：
- 获取初始数据（一次性）
- — — — — —
- 对数据进行标记
- 训练模型
- 测试模型
- 将模型投入生产运行
- 获取新数据（并重复）
现在，对于一个移动应用程序，流程看起来像是：
在上图中，移动应用程序似乎使用了由ML创建的模型，但是它是如何工作的？是的，这里就是Core ML发挥作用的地方。
CoreML 的使用方法？
Core ML 是苹果的一种新的机器学习框架。它将机器学习模型带到苹果设备上，并让开发者能够轻松利用机器学习。我们可以使用苹果准备的十几种模型，或者从流行的ML框架（比如Keras，Caffe 或 scikit-learn）中转换开源模型。
使用 CoreML 创建IOS应用程序的工作流程如下：
1- 您需要使用如Caffe、turi、Keras等ML框架创建一个数据模型。
2- 安装名为Core ML Tools的Python框架，将数据模型转换为Core ML格式。此转换的结果将是一个带有mlmodel扩展的文件。
3- 就是这样，您可以使用Core ML Tools创建的模型，并将其用于您的移动应用程序。
软件要求
为了训练模型，我们需要一个ML框架。最流行的是由Google开发的Tensorflow。它受到社区最好的支持，并拥有大量的教程和开发者的关注。然而，当您深入了解时，您可能会最终发现自己在Github 问题页面或堆栈溢出上处理一些数学问题或未记录的代码。与Web应用程序或移动开发相比，ML仍处于婴儿阶段，作为开发者，您需要准备好面对这些。建议您留出额外的时间来探索ML的神秘之处。开始使用高级库如Keras或许更容易。您可以在文章结尾处查看一些训练教程的链接。
Tensorflow 和 Keras 是最常见的ML库之一
硬件
许多人说我们需要一个GPU来训练模型。对于需要高精度或进行一些网络架构调整的项目来说这是正确的。如果我们需要一个包含10个类别的图像分类器，那么我们可以利用迁移学习，在标准CPU上对我们的模型进行10分钟的微调。然而，对于真实的生产应用，我们通常需要GPU的性能。我们已经尝试了几家云服务提供商，亚马逊AWS的g2.2xlarge实例是一个不错的选择。
开始吧！！
到目前为止，您已经知道了使用机器学习创建IOS应用所需的必要工具，那就开始吧！
构建管道：
要使用Core ML工具，第一步是在您的Mac上安装Python。首先，下载Anaconda（选择Python 2.7版本）。Anaconda是一种在Mac上运行Python而不会出现问题的超级简单方式。安装Anaconda后，请转到终端并输入以下命令：
conda install python=2.7.13conda update python
接下来是创建一个虚拟环境。在虚拟环境中，您可以使用不同版本的Python或包来编写程序。要创建一个新的虚拟环境，请输入以下命令。
conda create --name handwriting
当终端提示您时，
pr
