帮酷LOGO
  • 显示原文与译文双语对照的内容
Source code for my blog post "Getting started with TensorFlow on iOS"

  • 源代码名称:TensorFlow-iOS-Example
  • 源代码网址:http://www.github.com/hollance/TensorFlow-iOS-Example
  • TensorFlow-iOS-Example源代码文档
  • TensorFlow-iOS-Example源代码下载
  • Git URL:
    git://www.github.com/hollance/TensorFlow-iOS-Example.git
  • Git Clone代码到本地:
    git clone http://www.github.com/hollance/TensorFlow-iOS-Example
  • Subversion代码到本地:
    $ svn co --depth empty http://www.github.com/hollance/TensorFlow-iOS-Example
    Checked out revision 1.
    $ cd repo
    $ svn up trunk
  • iOS演示中的 TensorFlow

    这是随我的博客文章开始的代码在iOS上的TensorFlow 。

    算法利用TensorFlow语言对性别识别中的基本二元分类器进行语音和语音分析,并对它的进行分类。

    这里项目包括以下内容:

    • 文件中的数据集为 voice.csv
    • python 脚本,用于在你的Mac上使用TensorFlow训练模型。
    • 使用 TensorFlow C++ API进行推理的iOS应用程序。
    • 使用金属进行推理的iOS应用,使用经过训练的模型进行推理。

    训练模型

    要为模型定型,请执行以下操作:

    • 确保这些已经安装: python3numpypandasscikit-learntensorflow
    • 运行 split_data.py 脚本,将数据集划分为训练集和测试集。 这将创建 4个新文件: X_train.npyy_train.npyX_test.npyy_test.npy
    • 运行收费的train.py 脚本。 训练logistic分类器并将模型保存到 /tmp/voice 每 10,000个训练步骤。 训练发生在无限循环中,所以在你满意的时候按 Ctrl+C,因为你的训练准确度和损失不再低。
    • 运行 test.py 脚本来计算测试集的准确性。 这也会打印出一个带有 precision/recall/f1-score 和混淆矩阵的报告。

    使用该模型与 iOS TensorFlow应用程序的模型

    要在 iOS TensorFlow应用程序上运行模型,请执行以下操作:

    • 克隆 TensorFlow构建iOS库插件。
    • 打开 VoiceTensorFlow Xcode项目。 在构建设置 Settings 其他链接器标志和头搜索路径,更改本地安装的路径。

    模型已经在应用程序中包含为英镑的inference.pb 。 如果使用不同的设置训练模型,则需要运行 freeze_graphoptimize_for_inference 工具来创建新的inference.pb. 。

    将模型与 iOS Metal应用一起使用

    要在 iOS Metal应用程序上运行模型,请执行以下操作:

    • 运行收费的export_weights.py 脚本。 这将创建两个包含模型参数学习的新文件: 用于权重的W.bin 和用于偏移的b.bin
    • W.binb.bin 复制到 VoiceMetal Xcode项目中并构建应用程序。

    你需要在设备上运行金属应用程序,它在模拟器中无法工作。




    Copyright © 2011 HelpLib All rights reserved.    知识分享协议 京ICP备05059198号-3  |  如果智培  |  酷兔英语