Любой, кто пытался внедрить модели машинного обучения или искусственного интеллекта в свое приложение, испытывал те же разочарования. Вы обнаружите, что одно репо, спрятанное глубоко внутри GitHub, имеет точную модель, которая вам нужна. Ваше недельное обучение AWS наконец подошло к концу. Все, что осталось, - это преобразовать все в Core ML, перенести его в Xcode и готово. Вы запускаете оболочку Python, импортируете coremltools, нажимаете convert и ...

ValueError: Keras layer '<class 'keras_contrib.layers.normalization.InstanceNormalization'>' not supported.

Вы потратите несколько часов на загрузку преобразователей пользовательских слоев в coremltools и, наконец, получите ту драгоценную модель .ml, которую ищете. Вы добавляете его в свой проект Xcode, строите… компилируете… открываете… и…

Ваше приложение сканирует. Камера заикается со скоростью 3 кадра в секунду. Ваш телефон достаточно горячий, чтобы поджарить яйцо. Вернуться к доске для рисования. 🤦

Подобные болезненные переживания - вот почему мы создали Grader. Доступный сегодня, Grader использует найденную или обученную вами модель машинного обучения и дает вам табель успеваемости с подробными сведениями о том, готова ли она для мобильных устройств. Мы проанализируем вашу модель слой за слоем и покажем вам:

  • Размер вашей модели, количество содержащихся в ней параметров и общее количество операций с плавающей запятой (FLOP), необходимых для ее запуска.
  • Размер и тип входов и выходов модели.
  • Размер вывода, количество параметров и FLOP на каждом уровне вашей сети.
  • Типы слоев, которые могут вызвать проблемы при попытке конвертировать в Core ML.

Когда ваша модель будет оценена, вы можете добавить отчет в закладки или поделиться им со своей командой *.

Это только начало. Grader поддерживает нейронные сети, созданные в Keras, для преобразования в Core ML, и в ближайшие недели мы добавим больше платформ и форматов. Если вы хотите использовать Grader для вашего любимого фреймворка, дайте нам знать! Мы уйдем, чтобы выслушать ваши мысли.

Убедитесь в этом сами на grader.fritz.ai!

Делитесь и наслаждайтесь,

Команда Fritz AI

* К табло успеваемости может получить доступ только тот, у кого есть URL. Более того, Grader не использует вашу модель после того, как она была загружена, и не претендует на право собственности на нее.

Примечание редактора. Heartbeat - это онлайн-публикация и сообщество, созданное авторами и посвященное изучению зарождающегося пересечения разработки мобильных приложений и машинного обучения. Мы стремимся поддерживать и вдохновлять разработчиков и инженеров из всех слоев общества.

Независимая редакция, Heartbeat спонсируется и публикуется Fritz AI, платформой машинного обучения, которая помогает разработчикам учить устройства видеть, слышать, ощущать и думать. Мы платим участникам и не продаем рекламу.

Если вы хотите внести свой вклад, переходите к нашему призыву участников. Вы также можете подписаться на наши еженедельные информационные бюллетени (Deep Learning Weekly и Fritz AI Newsletter), присоединяйтесь к нам на » «Slack и подписывайтесь на Fritz AI в Twitter , чтобы узнавать обо всех последних новостях в области мобильного машинного обучения.