Aracılığıyla paylaş

Xamarin.iOS'ta Core ML 2

  • Makale

Core ML, iOS, macOS, tvOS ve watchOS'ta kullanılabilen bir makine öğrenmesi teknolojisidir. Uygulamaların makine öğrenmesi modellerini temel alarak tahminlerde bulunmasına olanak tanır.

iOS 12'de Core ML bir toplu işlem API'sini içerir. Bu API, Core ML'yi daha verimli hale getirir ve modelin tahmin dizisi yapmak için kullanıldığı senaryolarda performans geliştirmeleri sağlar.

Örnek veri oluşturma

içinde ViewController, örnek uygulamanın ViewDidLoad yöntemi, dahil edilen Core ML modelini yükleyen öğesini çağırır LoadMLModel:

void LoadMLModel()
{
    var assetPath = NSBundle.MainBundle.GetUrlForResource("CoreMLModel/MarsHabitatPricer", "mlmodelc");
    model = MLModel.Create(assetPath, out NSError mlErr);
}

Ardından örnek uygulama sıralı Core ML tahminleri için giriş olarak kullanılacak 100.000 MarsHabitatPricerInput nesne oluşturur. Oluşturulan her örnek, güneş paneli sayısı, sera sayısı ve dönüm sayısı için rastgele bir değer kümesine sahiptir:

async void CreateInputs(int num)
{
    // ...
    Random r = new Random();
    await Task.Run(() =>
    {
        for (int i = 0; i < num; i++)
        {
            double solarPanels = r.NextDouble() * MaxSolarPanels;
            double greenHouses = r.NextDouble() * MaxGreenHouses;
            double acres = r.NextDouble() * MaxAcres;
            inputs[i] = new MarsHabitatPricerInput(solarPanels, greenHouses, acres);
        }
    });
    // ...
}

Uygulamanın üç düğmesinden birine dokunduğunuzda iki tahmin dizisi yürütülür: biri döngü kullanarak for , diğeri ise iOS 12'de sunulan yeni toplu iş GetPredictions yöntemini kullanarak:

async void RunTest(int num)
{
    // ...
    await FetchNonBatchResults(num);
    // ...
    await FetchBatchResults(num);
    // ...
}

döngü için

Testin for döngü sürümü, belirtilen sayıda giriş üzerinde naively yinelenir, her biri için çağrır GetPrediction ve sonucu atar. yöntemi, tahminde bulunmanın ne kadar sürdüğünü çarpımlı hale getirir:

async Task FetchNonBatchResults(int num)
{
    Stopwatch stopWatch = Stopwatch.StartNew();
    await Task.Run(() =>
    {
        for (int i = 0; i < num; i++)
        {
            IMLFeatureProvider output = model.GetPrediction(inputs[i], out NSError error);
        }
    });
    stopWatch.Stop();
    nonBatchMilliseconds = stopWatch.ElapsedMilliseconds;
}

GetPredictions (yeni toplu iş API'si)

Testin toplu sürümü giriş dizisinden bir MLArrayBatchProvider nesne oluşturur (yöntem için GetPredictions gerekli bir giriş parametresi olduğundan), bir MLPredictionOptions tahmin hesaplamalarının CPU ile kısıtlanmasını engelleyen ve tahminleri getirmek için API'yi kullanarak GetPredictions sonucu tekrar atan nesne:

async Task FetchBatchResults(int num)
{
    var batch = new MLArrayBatchProvider(inputs.Take(num).ToArray());
    var options = new MLPredictionOptions()
    {
        UsesCpuOnly = false
    };

    Stopwatch stopWatch = Stopwatch.StartNew();
    await Task.Run(() =>
    {
        model.GetPredictions(batch, options, out NSError error);
    });
    stopWatch.Stop();
    batchMilliseconds = stopWatch.ElapsedMilliseconds;
}

Sonuçlar

Hem simülatörde hem de cihazda döngü GetPredictions tabanlı Core ML tahminlerinden daha hızlı tamamlar.