让我们用3行代码创建一个Dog vs Cat分类器。

几周前，我买了一台新笔记本电脑-2019 MacBook Pro，此后我一直很喜欢它。 自然地，我开始尝试Swift和Xcode，主要是创建一些虚拟的iOS应用程序。 那就是我发现Create ML的地方-一种用于训练自定义神经网络的GUI工具。

> Photo by Tomáš Stanislavský on Unsplash

以下是直接来自Apple官方文档的快速声明：

将Create ML与Swift和macOS游乐场等熟悉的工具结合使用，可以在Mac上创建和训练自定义机器学习模型。 您可以训练模型以执行任务，例如识别图像，从文本中提取含义或查找数值之间的关系。[1]

真好 因此，您可以看到，它不仅像今天一样用于图像分类。

刚开始时要做个说明，对于大多数用户来说，创建ML肯定会有一个巨大的缺点-这是一个苛刻的要求：您需要使用macOS。

如果您没有Mac，这不是世界末日，因为存在MacInCloud.com之类的解决方案。 我尚未亲自测试过它们，因此无法保证您会获得完美的流畅体验-但一定要总比没有好。

综上所述，如果您想继续学习，则需要先运行macOS，并安装最新版本的Xcode。

这篇文章的结构如下：

· 数据集*载下**

· 3条线训练他们

· 模型训练

· 模型评估

· 模型保存

· 结论和下一步

简要地说，在下一篇文章中，我们将创建一个iOS应用并将我们训练有素的模型链接到该应用。 GitHub存储库已经存在，请随时查看。

数据集*载下**

如前所述，我们将制作一个Dog vs Cat图像分类器，并且可以从此处*载下**数据集。

如果您已经*载下**并解压缩了它，则在根文件夹中将具有以下结构：

├── test

│

├── cat

│

└── dog

└── train

├── cat

└── dog

您必须在此处注意两件事：

· 训练和测试文件夹中的子文件夹名称必须相同

· 预测的类别名称将从子文件夹名称中推断出来-此处为ergo猫和狗

还在关注吗？ 太好了，让我们继续进行一切准备工作，然后再开始培训过程。

3条线来统治他们

现在，我们可以打开Xcode并创建一个新的Playground-macOS的空白：

根据需要命名，然后单击"下一步"。 现在，我们看到以下屏幕：

大！ 在左侧，我们将编写代码，在右侧，我们将训练模型。

现在，我们可以删除该占位符代码，并输入以下3行：

import CreateMLUI

let builder = MLImageClassifierBuilder()

builder.showInLiveView()

您的屏幕应如下所示：

不用担心弃用警告，因为代码可以正常运行。 现在，我们可以单击代码下方的蓝色*放播**按钮。 几秒钟后，您将看到以下内容：

就是这样，我们可以开始培训了！

模型训练

好的，实际上，您现在要做的就是将火车文件夹拖到"开始训练的拖放图像"部分中：

培训过程将立即开始，并且由于我们有超过20K的培训图像，因此显然需要一些时间。 因此，喝杯咖啡，休息一下，或者只是看火车模型。

而现在，过了一段时间（在我的机器上大约半小时），模型得到了训练：

正如我们所看到的，它在训练集上表现出色，只剩下看它如何在以前看不见的数据上表现出色（在测试集上非常有效）。 让我们在下一部分中进行探讨。

模型评估

要评估测试集上的模型，只需将测试文件夹拖到"将图像拖放到开始测试"部分中：

测试过程将花费更少的时间，因为我们只有2500张图像用于测试。 不过，请随时休息一下直到完成。

好吧，完成了吗？ 凉。 我们可以看到，测试集的准确性仍然令人印象深刻-98％。

现在我们知道我们的模型已经可以投入生产，让我们在下一部分中探讨如何导出它。

模型保存

我们需要保存此模型，以便稍后在iOS应用中使用它。 为此，在模型训练部分中向上滚动并展开下拉列表：

如果您对自动填充的选项感到满意，请单击"保存"。 请记住，默认情况下，模型将保存到Documents文件夹中-因此，让我们快速验证一下它是否在其中：

太棒了！ 注意.mlmodel扩展名吗？ 对于要在iOS上部署的任何模型，它都是必需的，因此请记住这一点。

今天到此结束，我们做一个简短的结论。

结论

经历了所有这些之后，您可能想知道模型的性能如何如此出色？ 苹果公司的官方声明如下：

Create ML利用Apple产品（例如Photos和Siri）中内置的机器学习基础结构。 这意味着您的图像分类和自然语言模型更小，所需的训练时间更少。[2]

简而言之，这意味着Apple有很多预先训练的模型，只需要调整输出层即可（也称为Transfer learning）。 如果您在知道我在说什么之前使用过ResNet或AlexNet。

但是您可以在大约30分钟的时间内训练模型并在测试集上达到98％的准确性-仅3行代码就令人印象深刻。

请继续关注以下文章，我们将在本文中将该模型整合到iOS应用中。

谢谢阅读。

资源资源

[1] https://developer.apple.com/documentation/createml

[2] https://developer.apple.com/documentation/createml

(本文翻译自Dario Radečić的文章《Create ML: A GUI for training Neural Networks》，参考：https://towardsdatascience.com/create-ml-a-gui-for-training-neural-networks-72bd1d651275)