CoreML如何规范化输入数组答案

【问题标题】：CoreML how to Normalize input arrayCoreML如何规范化输入数组
【发布时间】：2019-07-03 13:15:00
【问题描述】：

我尝试将 sklearn normalizer 转换为 coreml 模型，如下所示：

normalized = sklearn.preprocessing.Normalizer()

coreml_model = coremltools.converters.sklearn.convert(normalized)

但我收到此错误：

“错误处理特征列表：如果给出单个特征名称，则必须提供num_dimensions”

如何设置“num_dimensions”？

另一种选择是直接使用 CoreML 中的 Normalizer：

但是我如何在 IOS 中使用此功能的文档为零。例如，如何在浮点数组上运行它？

【问题讨论】：

【解决方案1】：

要在 Core ML 中创建规范化器，您需要构建一个管道模型。管道只是一系列 Core ML 模型，捆绑为一个新的 Core ML 模型。

管道中的第一个模型是Normalizer 模型。第二个是你的常规模型。归一化模型的输出然后成为常规模型的输入。

您可以手动完成此操作（请参阅我的书，我的个人资料中的链接），但实际上，让 scikit-learn 转换器处理此操作是最简单的，因为这就是它的用途。

num_dimensions 错误的发生是因为仅转换 sklearn Normalizer 不会为 coremltools 转换器提供足够的信息来处理。如果你想在 scikit-learn 中进行标准化，看起来你还需要在 scikit-learn 中创建一个管道模型并将其转换。

【讨论】：

谢谢我已经有书了！好东西。管道看起来不错但仍然没有回答我如何使用 corelmltools 转换规范化输入的问题。我不清楚你的意思是“看起来你还需要在 scikit-learn 中创建一个管道模型并转换它”？另一方面，由于coremltools支持scikit规范化，我不认为我是唯一遇到这个问题的人。没有任何官方示例/解决方案吗？
sklearn 的 Normalize 通常与其他东西（例如 SVM 或随机森林或其他东西）结合到管道中，以便您可以将所有这些不同的东西作为单个模型运行。 only Normalize 并没有多大意义。
我使用 Keras TF 进行了训练。我仅将 SKLearn 用于标准化和缩放。在这种情况下，根据您的说法，这些应该是我使用 tf 组件而不是 SKLearn 的 keras 模型的一部分。对吗？
确实如此。我认为 coremltools sklearn 转换器不适合您的用例。

【解决方案2】：

您可以像这样指定输入尺寸：

coreml_model = coremltools.converters.sklearn.convert(normalized, input_features={'input': [0, 1, 2]})

这里input 是输入功能名称（默认为input），列表（[0, 1, 2]）是输入功能ID（为简单起见，您可以只使用range(num_features)，或者只列出像我一样明确地索引值）。

【讨论】：