如何转换包含自定义函数的 Sci-kit 管道以便 iOS 设备可以使用它？（如果可能的话，使用 .mlmodel 和 CoreML））答案

【问题标题】：How to convert a Sci-kit pipeline containing a custom function so it can be used by iOS device? (if possible using .mlmodel and CoreML))如何转换包含自定义函数的 Sci-kit 管道以便 iOS 设备可以使用它？（如果可能的话，使用 .mlmodel 和 CoreML））
【发布时间】：2023-04-07 02:48:01
【问题描述】：

我想在 iOS 设备上使用下面描述的管道。无法仅使用 CoreML 对其进行转换，因为我的管道包含一个不在 sklearn.preprocessing 中的自定义函数。

我有一个管道，其中包含 CoreML 不支持的功能。如果我尝试使用 coreML 转换我的管道，我有：

ValueError: Transformer '<class '__main__.Prepare_input'>' not supported; supported transformers are coremltools.converters.sklearn._dict_vectorizer,coremltools.converters.sklearn._one_hot_encoder,coremltools.converters.sklearn._normalizer,coremltools.converters.sklearn._standard_scaler,coremltools.converters.sklearn._imputer,coremltools.converters.sklearn._NuSVC,coremltools.converters.sklearn._NuSVR,coremltools.converters.sklearn._SVC,coremltools.converters.sklearn._SVR,coremltools.converters.sklearn._linear_regression,coremltools.converters.sklearn._LinearSVC,coremltools.converters.sklearn._LinearSVR,coremltools.converters.sklearn._logistic_regression,coremltools.converters.sklearn._random_forest_classifier,coremltools.converters.sklearn._random_forest_regressor,coremltools.converters.sklearn._decision_tree_classifier,coremltools.converters.sklearn._decision_tree_regressor,coremltools.converters.sklearn._gradient_boosting_classifier,coremltools.converters.sklearn._gradient_boosting_regressor.

我在这里有我的自定义函数：

class Prepare_input(BaseEstimator):
    def __init__(self, *args, **kwargs):
        return super().__init__(*args, **kwargs)

    def fit(self, x, y=None):
        return self

    def transform(self, X, y=None):
        x= self.extract_features(x)
        return x

    def extract_features(signal):
        print("transforming...")
        signal = some_modif(signal)
        return signal

我在这里用它来创建管道：

classifier1= RandomForestClassifier(max_depth=700, n_estimators=100, random_state = 42)
pipeline1 = Pipeline([('Prepare_input', input_transform), ('classifier', classifier1)])

然后我适应并转换：

pipeline1.fit(train_data, train_labels)

coreml_model = coremltools.converters.sklearn.convert(pipeline1)
coreml_model.save('PPG_classif.mlmodel')

...我有上面的错误。

您知道如何在 iOS 上使用我的管道吗？
如何在 CoreML 中编写自定义转换器？你有什么我可以使用的例子吗？
您知道除 CoreML 之外的其他工具是否支持这种类型的转换？

非常感谢！

【问题讨论】：

标签： machine-learning scikit-learn coreml

【解决方案1】：

coremltools scikit-learn 转换器似乎不知道如何处理自定义函数。它们仅在神经网络模型中受支持。

由于您的自定义函数是在分类器之前应用的，因此您可以在 Swift 或 Obj-C 中实现它，然后调用 Core ML 模型进行分类。

也可以手动将自定义函数添加到 Core ML 模型中（通过添加具有自定义层的神经网络模型，或者通过在 Core ML 管道中添加“自定义模型”），但这很麻烦无论如何，您都需要在 Swift 或 Obj-C 中实现该函数的实际逻辑...

【讨论】：