问题标签 [coremltools]

似乎我在使用coremltool和训练有素的 .caffemodel 时遇到了一些转换问题。我能够训练和测试caffe狗模型（120 个类别，20k 张图像），并且它通过了我的直接caffe分类测试。不幸的是，在转换为mlmodel它之后，我并没有对相同的输入做出有效的预测。

培训模式

该模型已经使用 Caffe、GoogleNet、包含 120 个类别的 20k 图像集和大约 500k 次迭代进行了训练。我已经准备好图像数据库和所有其他的，并将所有文件放在一起

分类与caffe

此分类示例由caffe. 当我尝试对受过训练的人运行分类请求时caffemodel- 它的效果很好，概率很高（80-99%），结果正确：

分类与Apple iOS 11 CoreML

不幸的是，当我尝试将这个DTDogs.caffemodel&打包deploy.txt到 Apple iOS 11 可使用的 .mlmodel 中时，CoreML我得到了不同的预测结果。实际上，加载和使用模型没有错误，但我无法获得有效的分类，所有的预测都是 0-15% 的置信度并且有错误的标签。为了正确测试它，我使用了与用于直接分类的完全相同的图像caffe：

我还从这里用我的 iOS 应用程序尝试了预训练和预打包的模型——它们工作得很好，所以这似乎是打包过程的问题。

我错过了什么？

以下是分类示例caffe：没有问题，正确答案 ( python)：

这是DTDogs.mlmodel使用coremltools. 我看到生成的.mlmodel文件比原始文件小两倍，但它可能是（ ）.caffemodel的某种存档或压缩优化：coremltoolspython

DTDogs.mlmodel这是在应用程序中使用的示例。我正在使用常规图像选择器来选择用于.caffe分类测试 ( swift) 的相同图像：

我已经使用 Caffe 和 NVIDIA 的 DIGITS 训练了一个模型。在 DIGITS 上对以下图像进行测试，结果如下：

当我从 DIGITS 下载模型时，我得到snapshot_iter_24240.caffemodel了deploy.prototxt,mean.binaryproto和labels.txt. （而且solver.prototxt我train_val.prototxt认为不相关）

我coremltools用来将 caffemodel 转换为 mlmodel，运行以下命令：import coremltools

代码输出以下内容：

大约 45 秒后food.mlmodel生成。我使用 Xcode 9.0 beta 3 (9M174d) 将它导入到 iOS 项目中，并在单个视图 iOS 项目中运行以下代码。// // ViewController.swift // SeeFood // // 由 Reza Shirazian 于 2017 年 7 月 23 日创建。// 版权所有 © 2017 Reza Shirazian。版权所有。//

输出以下内容：

这完全不符合模型在 DIGITS 上的表现。我不确定我做错了什么，或者我是否错过了一步。我尝试在没有的情况下创建模型，mean.binaryproto但这没有任何区别。

如果这里有帮助的话deploy.prototxt

我有一个训练有素的 scikit-learn 模型，它使用多输出决策树（作为 a RandomForestRegressor）。没有明确对随机森林回归模型进行自定义配置以启用多输出行为，因为内置了多输出行为。基本上，只要将多输出训练数据拟合到模型中，模型就会在幕后切换到多输出模式。

此外，它RandomForestRegressor是 CoreML 转换脚本提供的受支持的转换器。但是，在转换过程中，我收到了带有堆栈跟踪的此错误：

ValueError：预计 scikit-learn 树中只有 1 个输出。

简单的转换代码如下：

我可以做些什么来启用 CoreML 转换脚本来处理多输出决策树？我可以对现有脚本进行更改，而无需完全重新发明轮子吗？

正如您现在所看到的，Apple在今年的. 该框架以特定格式使用已训练的 ML 模型，如果您的源模型不匹配，您可以转换该模型。还可以在此处下载和直接集成一些已经训练好的 ML 模型。Core MLiOS 11WWDCApple

另一方面，他们也提到你可以使用或WWDC 2017之类的工具来训练模型。CaffeKeras

我想训练一个比已经训练和提供的模型具有更具体目的的模型Apple，看起来很通用。但我不是 ML 专家，我希望能以此为起点。

我在哪里可以找到可以训练的模型？然后，我该如何训练他们？我正在为此寻找一些帖子或教程，但没有成功。我读过一些类似这样的帖子，但它没有提供我需要的指导方针。

当我尝试使用 coremltools 将模型从 Caffe 转换为 Core ML 模型时，我得到以下信息：

这是我正在使用的代码：

任何想法是什么问题？非常感谢！

我正在尝试使用 CoreML 工具将 Keras 模型转换为 coreml，但我在预测时出错。首先我转换了模型：

转换运行良好。然后我加载了模型：

和图像：

但是当我试图预测时：

我收到一个错误：

我尝试按照 WWDC 中“Core ML in depth”会议的步骤进行操作……有人知道出了什么问题吗？

我已经改编了 keras 网站上的 VAE 示例来训练我的数据，并且一切运行良好。但我无法转换为 coreml。错误是：

由于在 python 源代码中明确定义了 batch_size，我猜它与转换工具如何捕获变量名有关。有谁知道我可以如何修复它（或者它是否确实可以修复）？

非常感谢，

J。

我使用 Keras 2.0.4（TensorFlow 1.1.0 后端）创建了一个非常简单的序列线性回归模型，并且我的 coremltools（0.6.3）导出失败并显示以下错误消息：

-------------------------------------------------- ------------------------- AttributeError Traceback (最近一次调用最后一次) in () ----> 1 coreml_model = coremltools.converters.keras。转换（模型，输入名称=“输入”，输出名称=“输出”）/Users/Jacopo/anaconda/envs/KerasTensorFlowCoreML/lib/python2.7/site-packages/coremltools/converters/keras/_keras_converter.pyc 在转换（模型, input_names, output_names, image_input_names, is_bgr, red_bias, green_bias, blue_bias, gray_bias, image_scale, class_labels, predicted_feature_name, predicted_probabilities_output) 489 predict_probabilities_output = predict_probabilities_output) 490 elif _HAS_KERAS2_TF: --> 491 来自 . 导入 _keras2_converter 492 返回 _keras2_converter._convert（模型 = 模型，493 input_names = input_names，

我在 macOS 上使用 Python 2.7

如前所述，这是一个非常简单的线性回归，模块根本没有图像输入。

有什么提示吗？

谢谢，雅各布

我有一个数据集，从链接下载。我知道coremltool（由Apple创建）。

问题是： 是否有可能将斯坦福转换dataset为CoreML? 如果是 - 有人可以给我指示吗？

提前致谢 ！

我已经通过 coremltools 将带有 LSTM 的 Caffe 模型转换为 CoreML。现在我正在尝试执行它。但是，我找不到处理整个序列的方法

因为我找不到仅设置隐藏状态（LSTM_1_c_in）和初始历史记录（LSTM_1_h_in）的初始值并在处理下一项序列时自动使用先前状态/结果的方法。

它通过手动重新启动方法“预测”来工作，并从以前的输出中手动设置LSTM_1_c_in和LSTM_1_h_in （模型分别重新启动LSTM_1_h_out和LSTM_1_c_out）。

是否可以通过 1 次运行处理整个序列？

使用 Swift 的 PS 方式也是可以接受的。