หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>หลาม
ดาวน์โหลด

ลิงค์ด่วน: การติดตั้ง | เอกสารประกอบ

ทูริสร้าง

Turi Create ช่วยลดความยุ่งยากในการพัฒนาโมเดล Machine Learning แบบกำหนดเอง คุณไม่จำเป็นต้องเป็นผู้เชี่ยวชาญด้านแมชชีนเลิร์นนิงเพื่อเพิ่มคำแนะนำ การตรวจจับวัตถุ การจัดหมวดหมู่รูปภาพ ความคล้ายคลึงของรูปภาพ หรือการจัดหมวดหมู่กิจกรรมให้กับแอปของคุณ

  • ใช้งานง่าย: มุ่งเน้นไปที่งานแทนอัลกอริธึม
  • ภาพ: การสร้างภาพข้อมูลแบบสตรีมมิ่งในตัวเพื่อสำรวจข้อมูลของคุณ
  • ยืดหยุ่น: รองรับข้อความ รูปภาพ เสียง วิดีโอ และข้อมูลเซ็นเซอร์
  • รวดเร็วและปรับขนาดได้: ทำงานกับชุดข้อมูลขนาดใหญ่บนเครื่องเดียว
  • พร้อมใช้งาน: ส่งออกโมเดลไปยัง Core ML เพื่อใช้ในแอป iOS, macOS, watchOS และ tvOS

ด้วย Turi Create คุณสามารถทำงาน ML ทั่วไปได้หลายอย่าง:

งาน ML คำอธิบาย
ผู้แนะนำ ปรับแต่งตัวเลือกสำหรับผู้ใช้
การจำแนกประเภทภาพ ป้ายกำกับรูปภาพ
การจำแนกประเภทการวาดภาพ จดจำภาพวาดและท่าทางด้วยดินสอ/สัมผัส
การจำแนกเสียง จำแนกเสียง
การตรวจจับวัตถุ จดจำวัตถุภายในภาพ
การตรวจจับวัตถุนัดเดียว จดจำวัตถุ 2 มิติภายในรูปภาพโดยใช้ตัวอย่างเดียว
การถ่ายโอนสไตล์ ตกแต่งรูปภาพ
การจำแนกประเภทกิจกรรม ตรวจจับกิจกรรมโดยใช้เซ็นเซอร์
ความคล้ายคลึงกันของภาพ ค้นหาภาพที่คล้ายกัน
ตัวแยกประเภท ทำนายฉลาก
การถดถอย ทำนายค่าตัวเลข
การจัดกลุ่ม จัดกลุ่มจุดข้อมูลที่คล้ายกันเข้าด้วยกัน
ตัวแยกประเภทข้อความ วิเคราะห์ความรู้สึกของข้อความ

ตัวอย่าง: ตัวแยกประเภทรูปภาพที่มีโค้ดไม่กี่บรรทัด

หากคุณต้องการให้แอปของคุณจดจำวัตถุเฉพาะในรูปภาพ คุณสามารถสร้างโมเดลของคุณเองได้โดยใช้โค้ดเพียงไม่กี่บรรทัด: 

 import turicreate as tc

# Load data 
data = tc . SFrame ( 'photoLabel.sframe' )

# Create a model
model = tc . image_classifier . create ( data , target = 'photoLabel' )

# Make predictions
predictions = model . predict ( data )

# Export to Core ML
model . export_coreml ( 'MyClassifier.mlmodel' )

ง่ายต่อการใช้โมเดลผลลัพธ์ในแอปพลิเคชัน iOS:

แพลตฟอร์มที่รองรับ

Turi สร้างรองรับ:

  • macOS 10.12+
  • Linux (พร้อม glibc 2.10+)
  • Windows 10 (ผ่าน WSL)

ความต้องการของระบบ

Turi สร้างต้องใช้:

  • หลาม 2.7, 3.5, 3.6, 3.7, 3.8
  • สถาปัตยกรรม x86_64
  • RAM อย่างน้อย 4 GB

การติดตั้ง

สำหรับคำแนะนำโดยละเอียดสำหรับ Linux ประเภทต่างๆ โปรดดูที่ LINUX_INSTALL.md สำหรับปัญหาการติดตั้งทั่วไป โปรดดูที่ INSTALL_ISSUES.md

เราขอแนะนำให้ใช้ virtualenv เพื่อใช้ ติดตั้ง หรือสร้าง Turi Create 

pip install virtualenv

วิธีการติดตั้ง Turi Create เป็นไปตามขั้นตอนการติดตั้งแพ็คเกจ Python มาตรฐาน หากต้องการสร้างและเปิดใช้งานสภาพแวดล้อมเสมือน Python ชื่อ venv ให้ทำตามขั้นตอนเหล่านี้: 

 # Create a Python virtual environment
cd ~
virtualenv venv

# Activate your virtual environment
source ~ /venv/bin/activate

หรืออีกทางหนึ่ง หากคุณใช้ Anaconda คุณสามารถใช้สภาพแวดล้อมเสมือนจริงได้: 

conda create -n virtual_environment_name anaconda
conda activate virtual_environment_name

หากต้องการติดตั้ง Turi Create ภายในสภาพแวดล้อมเสมือนของคุณ: 

(venv) pip install -U turicreate

เอกสารประกอบ

คู่มือผู้ใช้แพ็คเกจและเอกสาร API มีรายละเอียดเพิ่มเติมเกี่ยวกับวิธีใช้ Turi Create

รองรับจีพียู

Turi Create ไม่จำเป็นต้องใช้ GPU แต่บางรุ่นสามารถเร่งความเร็วได้ 9-13 เท่าโดยใช้ GPU

ลินุกซ์ macOS 10.13+ GPU แบบแยก macOS 10.14+, GPU แบบรวม macOS 10.15+
การจำแนกประเภทกิจกรรม การจำแนกประเภทภาพ การจำแนกประเภทกิจกรรม
การจำแนกประเภทการวาดภาพ ความคล้ายคลึงกันของภาพ การตรวจจับวัตถุ
การจำแนกประเภทภาพ การจำแนกเสียง การตรวจจับวัตถุนัดเดียว
ความคล้ายคลึงกันของภาพ การถ่ายโอนสไตล์
การตรวจจับวัตถุ
การตรวจจับวัตถุนัดเดียว
การจำแนกประเภทเสียง
การถ่ายโอนสไตล์

การรองรับ macOS GPU เป็นไปโดยอัตโนมัติ สำหรับการรองรับ Linux GPU โปรดดู LinuxGPU.md

การสร้างจากแหล่งที่มา

หากคุณต้องการสร้าง Turi สร้างจากแหล่งที่มา โปรดดูที่ BUILD.md

มีส่วนร่วม

ก่อนที่จะมีส่วนร่วม โปรดตรวจสอบ CONTRIBUTING.md และอย่าให้การสนับสนุนใดๆ เว้นแต่คุณจะเห็นด้วยกับข้อกำหนดและเงื่อนไขที่กำหนดไว้ใน CONTRIBUTING.md

เราต้องการให้ชุมชน Turi Create ให้การต้อนรับและมีส่วนร่วมมากที่สุดเท่าที่จะเป็นไปได้ และได้นำหลักจรรยาบรรณที่เราคาดหวังให้สมาชิกชุมชนทุกคน รวมถึงผู้มีส่วนร่วม อ่านและปฏิบัติตาม

ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด