Py之turicreate：turicreate的简介、安装、使用方法之详细攻略

Py之turicreate：turicreate的简介、安装、使用方法之详细攻略

目录

turicreate的简介

1、特点

2、应用

turicreate的安装

turicreate的使用方法

turicreate的简介

      苹果开源Turi Create:让机器学习更容易！turicreate简化了定制机器学习模型的开发。你不必是机器学习专家就可以向你的应用添加推荐、对象检测、图像分类、图像相似性或活动分类。

API文档：Turi Create API Documentation
GitHub：https://github.com/apple/turicreate

1、特点

• 易于使用：专注于任务而不是算法
• 可视化：内置的流式可视化，用于探索数据
• 灵活：支持文本、图像、音频、视频和传感器数据
• 快速且可扩展：在一台机器上使用大型数据集
• 准备部署：将模型导出到Core ML，以用于iOS、macOS、watchOS和tvOS应用程序

2、应用

• 基于算法:1.推荐系统(Recommender systems) 2.图像相似性(Image similarity) 3.文本分类器(text classification)
• 基于应用程序:1.图像分类(Image classification) 2.物体检测(Object Detection)3. 活动分类器(Activity Classifier)

turicreate的安装

T1、第一种方式安装

pip install turicreate

T2、第二种方式安装

• 进入到该文件的setup.py 目录下 ，打开cmd，并切换到该目录下；
• 先执行 python setup.py build
• 然后执行 python setup.py install

turicreate的使用方法

1、利用apple机器学习平台Turicreate实现图像相似性检索

1、数据导入
import turicreate as tc
# Load images from the downloaded data
reference_data  = tc.image_analysis.load_images('./101_ObjectCategories')
load_images(url, format='auto', with_path=True, recursive=True, ignore_failure=True, random_order=False)
2、利用Resnet50数据特征提取
create(dataset, label = None, feature = None, model = 'resnet-50', verbose = True)  #model默认使用resnet50,label是标识行，如reference_data中的path
model = tc.image_similarity.create(reference_data)
model.save('my_model_file')
loaded_model = tc.load_model('my_model_file')
3、通过query查询实现相似搜索
similar_images = model.query(reference_data[0:10] ,label = 'path',k=10)
similar_images.head()

query(dataset, label=None, k=5, radius=None, verbose=True)
    - dataset:SFrame,需查询的数据
    - label:索引名，选择一列，输入列名
    - k:最大返回样本数
    - radius:半径范围，如果超过radius个间隔，就不显示
    - verbose:打印进度更新和模型细节。

通过similarity_graph实现相似关联图搜索
graph = model.similarity_graph(k=1)  # an SGraph

similarity_graph(k=5, radius=None, include_self_edges=False, output_type='SGraph', verbose=True)
    k:最大返回样本数
    radius:float,半径范围，如果超过radius个间隔，就不显示
    include_self_edges:是否包含自己,True的话，返回的结果包含自己（自己的相似性为1）
    output_type:‘SGraph’, ‘SFrame’两种
    verbose:打印进度更新和模型细节。

graph.edges