IPhone får maskinlæring

Illustration:
Core ML byder på hurtigt integration med Apples mobile platforme. En færdiglavet model kan genkende biler, dyr og mennesker på billeder.

På Apples udviklerkonference, som blev afholdt i sidste uge, løftede firmaet sløret for sit bud på maskinlæring til mobile enheder og skrivebordscomputeren. Det sker kort tid efter, at Google bekendtgjorde et nyt maskinlæringsbibilotek til Android, Tensorflow Light.

Apples bud på maskinlæring hedder Core ML, og det giver udviklerne mulighed for at udrulle og arbejde med trænede modeller. Det skriver Infoworld. Ideen er at udviklerne kan slippe for arbejdet med at opsætte maskinlæring på systemerne

Udviklerne får tre frameworks til deres rådighed: Foundation, som giver de grundlæggende typer og fælles funktionalitet; Vision til apps, der benytter maskinlæring i forbindelse med billeder; samt GameplayKit, der, som navnet antyder, kan benyttes til spiludvikling.

Genkender dyr og mennesker på fotos

Det er intentionen, at modellerne skal trænes på forhånd, før de anvendes i Core ML. Apple stiller et par modeller til rådighed, såsom ResNet50, der kan genkende almindelige genstande, såsom biler, dyr og mennesker, på billeder.

Core ML er integreret med Apples udviklingsværktøj Xcode, der genererer en programmeringsgrænseflade med stub-kode, når modellen importeres. Der er dog også et API på et lavere niveau for mere avancerede anvendelser.

Nye modeller skal konverteres til Core ML's format, før de kan anvendes. Apple byder på Python-pakken Coremltools til dette formål. Pakken er udgivet under en open source-licens, hvilket skulle kunne imødekomme behovet for at konvertere andre formater end dem, Core ML kan klare. Systemet kan ikke på egen hånd genoptræne modellen med nye data indsamlet fra enhederne.

Core ML er endnu i beta-fasen. Systemet kan benyttes til iOS, MacOS, TvOS og WatchOS.

Tips og korrekturforslag til denne historie sendes til tip@version2.dk
Følg forløbet
Kommentarer (0)
sortSortér kommentarer
  • Ældste først
  • Nyeste først
  • Bedste først
Log ind eller Opret konto for at kommentere