问题标签 [mlmodel]

我建立了一个编码器/解码器模型（在 PyTorch 中），保存为两个单独的mlmodel对象。coremltools.models.pipeline为了提高效率，我想把这些放在一起。将两个输入模型保存到磁盘后，这就是我用来构建管道的方法：

管道的创建运行良好，但保存的模型无法连接输入——即，查看 Netron 中的模型，我看到distorted_input节点只是自行挂起。管道的其余部分似乎是正确的。

有什么想法吗？

我们在 Azure ML Studio 中创建了一个实验，根据系统数据和用户数据预测一些调度活动。系统数据包括 CPU 时间、堆使用率和其他系统参数，而用户数据有用户的活动会话和一些用户特定的数据。我们的实验运行良好，返回的结果与我们预期的非常相似，但我们正在努力解决以下问题：-

1）我们的实验没有考虑更新数据来训练其模型。

2）每次我们都需要手动上传数据并重新训练模型。

我想知道是否真的可以使用一些 Web 服务或使用 Azure DB 将实时数据提供给 azure 实验。我们正在尝试更新我们在 Azure 存储中创建的 CSV 文件中的数据。这可能会解决我们的第一个查询。

现在，应该考虑这些更新的数据来定期自动训练模型。

如果有人可以帮助我们解决这个问题会很棒吗？

注意：我们使用在 Azure Studio 帮助下创建的 Web 服务来使用我们的模型。

我用 Vision Framework 实现了人脸识别。
该模型使用 turicreate 进行训练。

https://github.com/apple/turicreate

但准确度并​​不好。
我正在使用同一个人的 200 张面部图像来训练模型，并使用 turicreate 在相机视图中识别他。
但对于所有面孔，置信度都在 90% 以上。

你对我有什么建议吗？
谢谢

Azure ML Studio Environment 在使用自定义 python 模型中的 pickle 文件时引发以下错误。python 本地模型，pickle 文件在本地环境中可以正常工作，但在 Azure ML Studio 环境中不能正常工作

错误 0085：脚本评估期间发生以下错误，请查看输出日志以获取更多信息： ---------- Python 解释器的错误消息开始 ---------- Caught exception while执行函数： Traceback（最近一次调用）：文件“C:\server\invokepy.py”，第 199 行，批量 odfs = mod.azureml_main(*idfs) 文件“C:\temp\b1cb10c870d842b9afcf8bb8037155a1.py”，行49、在 azureml_main 返回 DATA，model.predict_proba(DATA) 文件 "C:\pyhome\lib\site-packages\sklearn\ensemble\forest.py"，第 540 行，在 predict_proba n_jobs, _, _ = _partition_estimators(self. n_estimators, self.n_jobs) 文件“C:\pyhome\lib\site-packages\sklearn\ensemble\base.py”，第 101 行，在 _partition_estimators n_jobs = min(_get_n_jobs(n_jobs), n_estimators) 文件“C:\pyhome\lib\site-packages\sklearn\utils__init__.py"，第 456 行，在 _get_n_jobs 如果 n_jobs < 0: TypeError: unorderable types: NoneType() < int() Process returned with non-zero exit code 1 --- ------- Python 解释器的错误信息结束 ----------

有什么遗漏吗？

Python Pickle 文件适用于本地环境。

python自定义模型需要在azure ml studio中使用，部署为web服务，与本地模型输出相同

4月17日更新1：

Python 版本 2.7.11 在本地和 Azure ML Studio 中是相同的，但发现本地 [0.18.x] 和 Azure ML Studio [0.15.x] 中的 sklearn 版本不同，其中 train_test_split 不同，如下代码：

1) 现在，如何在 Azure ML Studio 中将 sklearn 包更新到最新版本？或者另一种方法是降级我的本地sklearn，尝试一下，将试验出来。

2) 另一个练习是使用 MDF [MulticlassDecisionForest] 算法在 Azure ML Studio 中创建模型。并且本地使用的是RFC [RandomForestClassifier]算法，但是两个输出完全不同，不匹配？

以下代码在 sklearn 版本 0.18.x 的本地环境中使用 RFC 算法： ## 随机森林分类器在本地环境中使用 sklearn 版本 0.18.x from sklearn.ensemble import RandomForestClassifier

3) 使用 sklearn 版本 0.15.x 的较低版本的 Azure ML Studio 执行 Python 脚本复制了本地 python 代码，这也产生了相同的本地输出，除了很少的测试数据集行。现在，如何将 Python 脚本中的模型作为未训练模型输入训练模型组件？还是在 DataSet 中写入 pickle 文件，并作为自定义模型使用？

非常感谢您的宝贵意见。

我正在努力使用 CoreML 工具在 Xcode 中实现我的模型。

实现的模型如下所示：

xcode中的mlmodel

viewController 的代码如下所示：

我得到的错误是：[coreml] 验证输入失败。

知道我做错了什么吗？在此先感谢您的帮助

亚历克斯

我正在尝试制作一个 MLModel 以在我的应用程序上使用它，并且我使用 python 来完成它，因为我想用 evalute() func 获得confusion_matrix

这是我的python代码：

我之前测试了所有这些并且它们运行良好，只是当我运行时 model.evaluate(test_data)出现错误

我的错误是：

我在macosx highSierra（10.13.6）上运行它（因为我的macbook是2011，我无法将它更新到10.14），python 3.6（带有conda），我通过pip安装了turicreate。

我mlmodel在我的项目中使用 a 来检测对象。模型的输入是Image (Color 300 x 300)，输出是MultiArray (Double)和MultiArray (Double 4 x 1917 x 1)。我做到了VNCoreMLRequest，我得到的输出与上面提到的完全一样。MLMultiArray在这里，我需要从输出中向用户显示对象名称和置信度。现在，问题是如何解码它，如何从MLMultiArray. 我从过去 3 天开始研究，没有用。

在初始读取分类器文件 (.mlmodel) 期间，我在 Watchkit 扩展中收到以下运行时错误：

“WatchKit 应用程序扩展 [441:999198] [espresso] [Espresso::handle_ex_] 异常 = 不支持的引擎类型”

我认为这是 ML 的版本问题，所以我从 Xcode 10.13 升级到 11，但仍然遇到相同的错误。当我将 ML 代码从 iPhone 的 ViewController 移动到 Watchkit Extension iWatch 的 InterfaceController 时，我才开始收到此错误。

我还注意到自动生成的分类器（.mlmodel）文件在不同的部分有不同的支持设备版本，为什么会这样？另外，我现在正在运行 MacOS Catalina Beta (10.15)，但在 MacOS 和 Xcode 10.14 的 Beta 升级之前也发生了此错误。

@available（macOS 10.13，iOS 11.0，tvOS 11.0，watchOS 4.0，*）@available（macOS 10.14，iOS 12.0，tvOS 12.0，watchOS 5.0，*）

我自动生成的“GestureClassifier.mlmodel”文件的一部分似乎产生了错误，并且还显示了以下两个“@available”版本差异：

我有一个detect_model.mlmodel自己训练的。我想在 xcode 中使用它，但我不想手动将它添加到我的 xcode 项目中。我试图编写 CMakeLists.txt 来管理我的 xcode 项目。但是如何在 CMake 文件中写入以添加detect_model.mlmodel到我的 xcode 项目并生成detect_model.h头文件？

我曾尝试使用set(mlmodel detect_model.mlmodel)and add_library(dst ${mlmodel})，但它不正确。

预期的结果是我可以使用 CMake 添加detect_model.mlmodel到 xcode 项目并detect_model.h自动生成。

我正在尝试在我的应用程序中实现可更新模型的新 CoreML 3 功能，但我无法弄清楚。

我在 Keras 中创建了一个具有 2 层的神经网络，并将其转换为核心 ML 模型。然后我将模型包含到我的 iOS 项目中。然而self.testmodel.model.modelDescription.isUpdatable总是错误的，我无法理解苹果文档。

集成到 Swift 我现在可以使用模型，但不能更新它

为什么我的模型不可更新，我该如何更改？