Apple Core ML 和 Keras 支持现适用于 Apache MXNet

我们对于 Apache MXNet 版本 0.11 的可用性感到很兴奋。利用此版本，MXNet 在社区发展以及酝酿 Apache 项目方面都达到了重要里程碑。参与者 – 包括来自 Apple、Samsung 和 Microsoft 的开发人员 – 向此版本提交了代码。到目前为止，该项目已有 400 多名参与者。该项目现已将其代码库完全迁移至 Apache，并且已使其首个正式版本成为孵化项目。我们在上一篇博客中讨论了此版本的一些重要功能。本博客文章将简要回顾这些重点内容。

使用 MXNet 模型将机器学习构建到适用于 iOS、macOS、watchOS 和 tvOS 的应用程序中

利用 Apple 在 WWDC 2017 上发布的 Core ML 版本，开发人员现在可以轻松地将机器学习模型集成到其应用程序中，这使得他们只需编写几行代码即可为用户带来智能的新功能。我们已开始了解这些功能 (如增强实境) 将如何改变我们体验周围环境的方式。随着快速发展的 AI 空间中的功能的扩展，开发人员将有权访问新的机器学习模型，这些模型能够开启用于增强体验的新功能。

Apple 已将代码提交至 Apache MXNet 项目，以方便应用程序开发人员使用一流的模型。MXNet 现在与 Core ML 结合在一起，使开发人员能够利用 MXNet 在云中构建和训练机器学习模型，然后将这些模型导入 Xcode 中，以便您能够在应用程序中轻松构建智能的新功能。您可以从适用于各种应用程序的预训练模型的 MXNet Model Zoo 中选择，也可以构建您自己的模型。此版本为您提供一种用于将 MXNet 模型转换为 Core ML 格式的工具 (预览版)。要将 MXNet 模型导入 Apple 的 Core ML 格式中，您将需要安装转换器并运行 Python 命令以转换训练的模型。安装转换器只是执行一条简单命令：

pip install mxnet-to-coreml

按照本教程，了解如何构建由机器学习支持的用于确定图片中地点的地理位置的简单 iOS 应用程序。有关说明以及端到端示例，请访问此 GitHub 存储库。

适用于 Keras v1.2 的 MXNet

Keras 是一个用于构建神经网络的常用高级库。它为用户提供了一个易于使用的前端界面，该界面可驱动各种机器学习框架后端。MXNet 现可作为运行 Keras v1.2 的用户的后端选择。利用 MXNet，您可以轻松设置多 GPU 以实现训练和近线性扩展的出色性能。要了解有关使用 MXNet 作为 Keras 后端的好处的更多信息，请参阅 NVIDIA 的博客。您可以使用以下命令安装带 MXNet 界面的 Keras v1.2：

pip install keras-mxnet

有关使用多 GPU 设置训练任务的详细说明，请参阅此 GitHub 存储库。

MXNet 的 0.11 版本新增了多个主要功能、API 增强功能、性能改进和错误修复。本博客文章仅介绍了此版本中的一些主要功能。您可以在完整发行说明中找到更多详细信息。

我们很高兴地看到此社区负责的项目的发展和势头。没有项目参与者的努力工作，就没有这些进展！

后续步骤

了解如何设置环境以将 Apache MXNet 模型转换为 Apple 的 Core ML，转换现有模型，然后将模型导入示例 iOS 应用程序中。

点击：原文链接