引言
作為一名資料科學家，我一直有一個夢想——頂級科技公司在與我相關的領域不斷推出新産品。
如果你觀看了Apple公司最新的iPhone X釋出會，你會發現iPhone X具有非常酷的特性，比如FaceID、動态表情、增強現實，這些特性都使用了機器學習。作為一名駭客，我決定親自上手探索一下如何建立那樣的系統。
進一步調查後我發現了一個很有趣的工具，那就是Apple官方面向開發者推出的機器學習架構工具CoreML。它可以在iPhone、Macbook、Apple TV、Apple watch等任何一個蘋果裝置上使用。
另一個有趣的發現是Apple在最新的iPhone手機上設計了一個定制GPU，以及一個帶有神經引擎的A11先進仿生學處理晶片，以便用于優化機器學習。
随着核心元件計算引擎功能日益強大，iPhone将開辟機器學習的新途徑，CoreML在未來的意義将越來越重要。
讀完這篇文章，大家将會了解Apple CoreML是什麼以及為何它勢頭正猛。我們也将通過開發一款iPhone上的垃圾短信分類app來與大家一起一探CoreML的實作細節。
同時，我們也會通過客觀評價CoreML的利弊來結束本篇文章。
文章目錄：
CoreML是什麼?
建立系統
案例學習：實作一個iPhone上的垃圾短信分類app
使用CoreML的利弊
01、CoreML是什麼?
今年，Apple公司在每年一次的全球開發者大會WWDC(類似于谷歌的I/O會議)上大肆宣傳CoreML。為了更好地了解CoreML的作用，我們需要了解一些背景。
CoreML的背景
有趣的是，這并不是Apple公司第一次釋出移動端機器學習架構。去年它就釋出了一些同樣的架構庫：
Accelerate 架構和基本神經網絡子程式(BNNS)——高效利用CPU并使用卷積神經網絡進行預測。
Metal Performance Shaders CNN(MPSCNN)——高效利用GPU并使用卷積神經網絡進行預測。
這兩個架構庫的差別在于，一個針對CPU優化而另一個針對GPU。這是因為有時在inference(推斷)過程中CPU比GPU計算更快，而在training(訓練)過程中幾乎每次都是GPU計算更快。
但為了提高性能，架構會非常接近底層硬體，使得這些混合架構對開發者造成混亂，進而很難程式設計。
走進CoreML
CoreML 會在之前提到的兩個庫上面提供一個抽象層，并且還會提供一個簡單的接口，以達到同樣的效率。另一個好處是，在我們的app運作時，CoreML充分照顧到了CPU與GPU之間的上下文切換。
換句話說，假如我們有一個耗記憶體的任務，它涉及文本處理(自然語言處理)，CoreML将自動在CPU運作;而如果我們有一個計算繁重的任務，例如圖像識别，它将使用GPU;當app包含這兩種功能的時候，它又會自動切換進而使得兩者都得到最大化的利用。
CoreML還将提供什麼?
CoreML頂層還附帶了三個庫：
Vision：這個庫提供了高性能圖像分析與計算機視覺技術，用于人臉識别、特征檢測以及圖像與視訊中的場景識别。
Foundation(NLP)：顧名思義，它提供了自然語言處理的一些功能
Gameplay Kit：用于遊戲開發的庫，此外它還提供了AI，并運用決策樹。
以上提到的所有庫都可以用一些簡單的接口輕松使用，可用于完成一系列任務。通過上述的庫，CoreML最終架構圖如下：
注意，上述設計給iOS應用程式提供了一個很好的子產品化結構。你可以使用不同層進行不同的任務，也可以用多種方式使用它們(例如，在app中使用NLP進行圖像分類)。了解更多：Vision、Foundation與GameplayKit。好了，現在我們有了足夠的理論知識，是時候實踐一下了!
“微信排版限制，需要代碼的同學請看文末的原文連結自行查找”
02、建立系統
為了充分使用CoreML，你需要遵循如下要求：
1.OS：MacOS(Sierra 10.12或以上)
2.Python 2.7和pip：點選下載下傳mac上的python。打開終端，輸入如下代碼安裝pip：
sudo easy_install pip
3.coremltools：這個包有助于将你的模型從python轉換成CoreML能了解的格式。在終端輸入如下代碼進行安裝：
sudo pip install -U coremltools
4.Xcode 9：這是用于建構Apple裝置上應用程式的預設軟體。點此下載下傳。下載下傳Xcode之前，你需要使用Apple ID進行登陸。
登陸之後，你需要驗證你的apple ID。你将會收到與注冊Apple ID的裝置相同的通知。
點選“允許”并輸入網站顯示的6位密碼。
當你完成這一步，你将會看到一個下載下傳選項。你可以在那兒下載下傳Xcode。現在，我們建立好了系統，準備好了的話就讓我們進入實作部分!
03、案例學習：實作一個iPhone上的垃圾短信分類app
在本次開發中，我們将着重于在兩個重要途徑上來使用CoreML的能力。讓我們開始吧!
将你的機器學習模型轉換成CoreML格式
CoreML其中一個優勢，或者我應該說它的創造者作出的明智的決定是，支援在sklearn、caffe、xgboost等其他流行架構中訓練好的機器學習模型的轉換。
資料科學社群并不會不嘗試CoreML試行，因為他們可以在他們最喜歡的環境中進行實驗、訓練他們的模型，然後輕松導入并在iOS/MacOS的app上使用。
下面是即時可用的CoreML支援的架構：
Mlmodel是什麼?
為了使轉換過程簡單，Apple設計了它自己的開放格式來代表跨架構機器學習模型，即mlmodel。這個模型檔案包含了模型各層的描述、輸入、輸出、類标簽、任何需要對資料進行的預處理。它還包含了已學習的參數(權重及偏差)。
轉換流程如下：
在你最喜歡的架構中訓練模型
使用python子產品coremltools将模型轉換為.mlmodel格式
在app中使用模型
在本次例子中，我們将在sklearn中訓練一個垃圾短信分類器，然後将該模型轉給CoreML。
關于垃圾短信資料集
SMS垃圾短信資料集 v.1是一個公開的SMS标注短信資料集，用于手機垃圾短信研究。它包含了5574份真實無編碼的英文短信，這些短信都标注了合法(做作)或者垃圾短信。
你可以在此下載下傳該資料集。
建立基礎模型
我們使用sklearn中的LinearSVC建立基礎模型。同時，我們提取短信文本的TF-IDF值作為模型特征。TF-IDF是自然語言進行中的一種方法，它基于唯一辨別文檔的詞來分類文檔。如果你想要學習更多NLP和tf-idf的知識，你可以閱讀這篇文章。代碼如下：
import numpy as npimport pandas as pd#Reading in and parsing dataraw_data = open('SMSSpamCollection.txt', 'r')sms_data = []for line in raw_data: split_line = line.split("\t") sms_data.append(split_line)
#Splitting data into messages and labels and training and testsms_data = np.array(sms_data)X = sms_data[:, 1]y = sms_data[:, 0]
#Build a LinearSVC modelfrom sklearn.feature_extraction.text import TfidfVectorizerfrom sklearn.svm import LinearSVC
#Build tf-idf vector representation of datavectorizer = TfidfVectorizer()vectorized_text = vectorizer.fit_transform(X)text_clf = LinearSVC()text_clf = text_clf.fit(vectorized_text, y)
我們的模型建立好了，讓我們用一份垃圾短信測試一下：
#Test the modelprint text_clf.predict(vectorizer.transform(["""XXXMobileMovieClub: To use your credit, click the WAP link in the next txt message or click here>> http://wap. xxxmobilemovieclub.com?n=QJKGIGHJJGCBL"""]))
有趣，我們的模型效果很好!讓我們添加交叉驗證：
#Cross - Validationfrom sklearn.model_selection import cross_val_scorecross_score = cross_val_score(text_clf, vectorized_text, y, cv=10)print cross_scoreprint "mean:",np.mean(cross_score)
現在已建好模型，為使它适用于CoreML，我們需要把它轉換成.mlmodel格式。用之前安裝的coremltools工具包來實作。以下代碼能将我們的模型轉換成.mlmodel格式。
import coremltools
#convert to coreml model
coreml_model = coremltools.converters.sklearn.convert(text_clf, "message", "spam_or_not")
#set parameters of the model
coreml_model.short_description = "Classify whether message is spam or not"
coreml_model.input_description["message"] = "TFIDF of message to be classified"
coreml_model.output_description["spam_or_not"] = "Whether message is spam or not"
#save the model
coreml_model.save("SpamMessageClassifier.mlmodel")
這是如何運作的呢?
首先我們運用coremltools Python工具包。再選擇一個轉換器對模型進行轉換，本例中用converters.sklearn，因為要轉換的模型是用sklearn工具建立的。然後在.convert()括号内聲明模型對象、輸入變量名稱、輸出變量名稱。接下來設定模型參數來添加更多關于輸入、輸出的資訊，最後用.save()儲存已轉換成CoreML格式的模型檔案。
輕按兩下模型檔案，會用Xcode打開。
如你所見，該模型檔案顯示了很多資訊，關于模型的類型、它的輸入、輸出，輸入輸出的類型等。我已在上圖中用紅色标記。你可以将這些描述和轉換成.mlmodel時所提供的一一對比。
将自己的模型引入CoreML就是這麼簡單。現在你的模型已經在蘋果生态系統裡了，接下來真正好玩的開始啦!
注意：這一步的完整代碼檔案請看這裡。進一步了解coremltools請看這裡，提供的不同種類的轉換器請看這裡。
将該模型用于我們的app
既然已經訓練好模型并引入CoreML中，讓我們用該模型開發一個iPhone垃圾資訊分類app吧!
我們将在模拟器上運作app。模拟器這一軟體能顯示app的界面及運作情況，像在iPhone上真正運作那樣。這樣節省了大量時間，因為用iPhone運作app之前，我們就可以測試代碼、調試。看一下最終産品長什麼樣子吧：
下載下傳工程
我已經為我們的app制作了一個簡單基礎的UI放在GitHub上。用以下指令加載并運作：
git clone https://github.com/mohdsanadzakirizvi/CoreML-on-iPhone.git
cd CoreML-on-iPhone/Practice\ App/
open coreml\ test.xcodeproj/
這會在Xcode打開我們的項目。
在Xcode視窗中我用紅色标示了三個重要區域：
左上角的播放按鈕用來啟動app在模拟器運作。
播放按鈕的正下方列出了與我們項目相關的檔案和檔案夾。這是項目導航欄，友善你找項目裡的檔案和檔案夾。
播放按鈕旁邊寫着iPhone 8，表示你想用模拟器仿真的目标裝置。你可以點選它，在下拉清單裡選擇iPhone 7。
讓我們開始運作app吧，看看會發生什麼。點選左上角的播放按鈕讓模拟器運作app。在框中随便鍵入些文字，點選預測按鈕。發生了什麼?
到現在，我們的app什麼也沒做，隻是原樣輸出框中鍵入的文字。
向你的app中添加一個訓練好的模型
相當簡單：
将你的.mlmodel模型檔案拖入到Xcode視窗工程導航欄中。
做好後，會彈出一個含有幾項選擇的視窗，預設預設，點選“結束”。
當你像這樣拖拽檔案到Xcode時，自動在工程中生成該檔案的參考路徑。這樣你能輕松地在代碼中擷取該檔案。
編譯模型
在能夠用我們的模型進行推測之前，需要讓Xcode在建立階段中編譯模型。以下是具體步驟：
在工程導航欄中選擇有藍色辨別的檔案
會在右手邊打開工程設定。點選Compile Sources(編譯源)并選擇+辨別。
在新出現的視窗中選擇 SpamMessageClassifier.mlmodel檔案，點選新增。
現在每次運作app，Xcode就會編譯我們的機器學習模型，使它能用來做預測。
在代碼中建立模型
任何為蘋果裝置開發的app都用swift程式設計。你不需要學swift但如果以後你有興趣深入，你可以跟着這個教程學。
在工程導航欄中選擇 ViewController.swift。這一檔案包含大部分控制app功能的代碼。
第24行的 predictSpam() 函數會做最多的工作。删除第25行，向函數中添加以下代碼：
let enteredMessage = messageTextField.text!
if (enteredMessage != ""){
spamLabel.text = ""
}
//Fetch tfidf representation of text
let vec = tfidf(sms: enteredMessage)
do {
//Get prediction on the text
let prediction = try SpamMessageClassifier().prediction(message: vec).spam_or_not
print (prediction)
if (prediction == "spam"){
spamLabel.text = "SPAM!"
}
else if(prediction == "ham"){
spamLabel.text = "NOT SPAM"
catch{
spamLabel.text = "No Prediction"
}
以上代碼檢查使用者是否向框内輸入了任何資訊。如果有，調用tfidf()函數計算文本的tfidf值。然後生成一個SpamMessageClassifier 對象執行個體，再調用.prediction() 函數。這與sklearn中的 .predict() 函數相同。然後基于預測展示恰當的資訊。
但為什麼需要tfidf()?
記住我們基于文本的tf-idf表征來訓練模型，是以我們的模型需要相同形式的輸入。一旦獲得鍵入的文本框的資訊，就調入tfidf()函數來做同樣的事。來寫這一步的代碼吧，複制下列代碼放在predictSpam()函數後：
//MARK: Functionality code
func tfidf(sms: String) -> MLMultiArray{
//get path for files
let wordsFile = Bundle.main.path(forResource: "wordlist", ofType: "txt")
let smsFile = Bundle.main.path(forResource: "SMSSpamCollection", ofType: "txt")
//read words file
let wordsFileText = try String(contentsOfFile: wordsFile!, encoding: String.Encoding.utf8)
var wordsData = wordsFileText.components(separatedBy: .newlines)
wordsData.removeLast() // Trailing newline.
//read spam collection file
let smsFileText = try String(contentsOfFile: smsFile!, encoding: String.Encoding.utf8)
var smsData = smsFileText.components(separatedBy: .newlines)
smsData.removeLast() // Trailing newline.
let wordsInMessage = sms.split(separator: " ")
//create a multi-dimensional array
let vectorized = try MLMultiArray(shape: [NSNumber(integerLiteral: wordsData.count)], dataType: MLMultiArrayDataType.double)
for i in 0..
let word = wordsData[i]
if sms.contains(word){
var wordCount = 0
for substr in wordsInMessage{
if substr.elementsEqual(word{
wordCount += 1
let tf = Double(wordCount) / Double(wordsInMessage.count)
var docCount = 0
for sms in smsData{
if sms.contains(word) {
docCount += 1
let idf = log(Double(smsData.count) / Double(docCount))
vectorized[i] = NSNumber(value: tf * idf)
} else {
vectorized[i] = 0.0
return vectorized
} catch {
return MLMultiArray()
以上代碼得到文本框内輸入資訊的tfidf表征，為此讀取SMSSpamCollection.txt原始資料庫并傳回同樣資訊。一旦你儲存項目然後再次運作模拟器，你的app就會運作良好。
4、CoreML優缺點
像每個發展中的庫一樣，CoreML有優點也有缺點。讓我們說清楚。
優點：
對在移動裝置上運作性能進行優化，最小化記憶體和能量消耗。
在移動裝置上運作保證了使用者隐私，不再需要将資料發給伺服器做預測。
在移動裝置上運作意味着甚至在沒聯網的時候都可以做預測，此外對使用者來說反應時間更短。
能自己決定在CPU還是GPU上運作(或者都有)。
因為它可以用CPU，是以你能在iOS模拟器上運作它(iOS模拟器不支援GPU)。
提供了很多模型，因為它能從其他主流機器學習架構中引入模型：
支援向量機(SVM)
樹內建，如随機森林、提升樹
線性回歸和邏輯回歸
神經網絡：前向回報、卷積、循環
缺點：
隻支援有監督模型，不支援無監督模型和強化學習。
不支援模型在裝置上再訓練，隻能做預測。
如果CoreML不支援某種層，你就不可以使用。目前還不能用自己的層擴充CoreML。
CoreML工具隻支援少量訓練工具的特定版本(竟然不支援tensorflow)。
不能看中間層的輸出，隻能得到預測結果。
隻支援回歸和分類(不支援聚類、排序、降維等)。
結語
本文中，我們學習了CoreML及應用它開發iPhone機器學習app。CoreML是一個較新的庫，是以有自己的優點和缺點。有一個非常有用的優點是它在本地裝置上運作，是以速度更快，保證資料隐私。但同時，它功能不全面，對資料科學家的需求考慮還不夠周全。期待後續版本會改進。
如果你在某個步驟遇到困難，本文所有代碼都在GitHub上。
原文釋出時間為：2017-10-13
本文作者：Happen，Chloe，笪潔瓊，魏子敏編譯
本文來自雲栖社群合作夥伴“51CTO”，了解相關資訊可以關注。