,

بررسی اجمالی Core ML فناوری یادگیری ماشین اپل

یادگیری ماشین به کمک CoreML

کور ام ال (CoreML) به شما این امکان را می دهد تا مدل های گوناگون یادگیری ماشین را در اپ خود ادغام کنید. علاوه بر پشتیبانی از یادگیری ژرف گسترده با بیش از ۳۰ نوع لایه٬ از مدل های استاندارد همانند گروه های درختی (Tree Ensembles)٬ اس وی ام ها (SVMs) و مدل های خطی تعمیم داده شده پشتیبانی می کند. به دلیل ساخته شدن آن روی تکنولوژی های سطح پایین مانند متال (Metal) و (Accelerate)٬ کور ام ال به طور یکپارچه از سی پی یو (CPU) و جی پی یو (GPU) برای فراهم کردن حداکثر کارایی استفاده می کند. شما می می توانید  روی دستگاه مدل های یادگیری ماشین اجرا کنید تا برای تجزیه و تحلیل داده نیاز به خروج آن از دستگاه نباشد.

نحوه عملکرد CoreML

دید Vision

شما به آسانی می توانید ویژگی های دید رایانه ای یادگیری ماشین را در اپ خود به کار به ببرید. ویژگی های پشتیبانی شده شامل رهگیری چهره٬ تشخیص چهره٬‌ نشان های اختصاصی و برجسته٬ تشخیص متن٬ تشخیص مستطیل٬ تشخیص بارکد٬ رهگیری اشیا و ثبت تصاویر است.

اشیای غالب در یک تصویر را از مجموعه ای از ۱۰۰۰ دسته مانند درخت ها٬ حیوانات٬ غذا٬ اتومبیل ها٬ مردم و غیره را تشخیص می دهد.

پردازش زبان طبیعی

ای پی آی های پردازش زبان طبیعی اساسا از یادگیری ماشین برای یادگیری ژرف(دیپ لرنینگ Deep Learning)  متن استفاده می کنند. آن ها از ویژگی هایی همچون تشخیص زبان٬ نشانه گذاری٬ اقسام کلمه و غیره استفاده می کند.

کارکردن با مدل ها

اپ های خود را با مدل های آماده برای استفاده ی کورام ال (CoreML) زیر بسازید و یا از ابزار کورام ال برای تبدیل آسان مدل ها به فرمت کورام ال استفاده کنید.

مدل ها

اسکویزنت (SqueezeNet)

اشیای غالب حاضر در یک تصویر را از مجموعه ای از ۱۰۰۰ دسته مانند درخت ها٬ جانوران٬ غذا٬ ابومبیل ها٬ مردم و غیره را تشخیص می دهد.

با اثر کلی تنها ۴.۷ مگابایت٬ اسکویزنت سطح دقتی مشابه الکس نت (AlexNet) دارد با این تفاوت که ۵۰ پارامتر از آم کمتر دارد.

Places205-GoogLeNet

محل وقوع یک تصویر را از ۲۰۵ دسته مانند ترمینال فرودگاه٬ اتاق خواب٬ جنگل٬ ساحل و غیره تشخیص می دهد.

رسنت۵۰ (ResNet50)

اشیای غالب حاضر در یک تصویر را از مجموعه ای از ۱۰۰۰ دسته مانند درخت ها٬ جانوران٬ غذا٬ ابومبیل ها٬ مردم و غیره را تشخیص می دهد.

اینسپشن (Inception v3)

اشیای غالب حاضر در یک تصویر را از مجموعه ای از ۱۰۰۰ دسته مانند درخت ها٬ جانوران٬ غذا٬ ابومبیل ها٬ مردم و غیره را تشخیص می دهد.

وی جی جی ۱۶ (VGG16)

اشیای غالب حاضر در یک تصویر را از مجموعه ای از ۱۰۰۰ دسته مانند درخت ها٬ جانوران٬ غذا٬ ابومبیل ها٬ مردم و غیره را تشخیص می دهد.

0 پاسخ

دیدگاه خود را ثبت کنید

Want to join the discussion?
Feel free to contribute!

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *