CoreML如何规范输入数组

Question

我尝试将sklearn规范器转换为coreml模型，如下所示：

normalized = sklearn.preprocessing.Normalizer()

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

但我知道这个错误：

错误处理特征列表:如果给定一个特征名，则必须提供num_dimensions

我如何设置"num_dimensions"？

另一个选项是直接使用CoreML中的规范化器：

https://apple.github.io/coremltools/coremlspecification/sections/FeatureEngineering.html#normalizer

但是没有文档说明我如何在IOS中使用这个功能。例如，如何在浮点数数组上运行此操作？

Answer 1

要在Core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模型，打包成一个新的Core模型。

管道中的第一个模型是Normalizer模型。第二种是你的常规模式。然后，来自规范化器模型的输出将成为常规模型的输入。

您可以手工完成此操作(请参阅我的书，我的配置文件中的链接)，但实际上，让scikit-学习转换器来处理这个问题是最简单的，因为这就是它的目的。

发生num_dimensions错误的原因是，仅仅转换一个sklearn Normalizer并不能为coremltools转换器提供足够的信息。如果您想在scikit中进行规范化学习，那么看起来您还需要在scikit中创建一个管道模型--学习并转换它。

Answer 2

您可以指定如下所示的输入维度：

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

这里的input是输入特性名(默认情况下是input )，而list ([0, 1, 2])是输入特性did(为了简单起见，您可以只执行range(num_features)，或者像我一样显式地列出索引值)。