turicreate

快速連結：安裝|文件

圖裡創造

Turi Create 簡化了自訂機器學習模型的開發。您不必成為機器學習專家即可將推薦、物件偵測、影像分類、影像相似度或活動分類新增至您的應用程式。

• 易於使用：專注於任務而不是演算法
• 視覺：內建串流視覺化來探索您的數據
• 靈活：支援文字、圖像、音訊、視訊和感測器數據
• 快速且可擴展：在單一機器上處理大型資料集
• 準備部署：將模型匯出到 Core ML，以便在 iOS、macOS、watchOS 和 tvOS 應用程式中使用

使用 Turi Create，您可以完成許多常見的 ML 任務：

機器學習任務	描述
推薦人	為使用者提供個人化選擇
影像分類	標籤圖像
圖紙分類	識別鉛筆/觸摸繪圖和手勢
聲音分類	對聲音進行分類
物體偵測	辨識影像中的物體
一擊目標偵測	使用單一範例識別影像中的 2D 對象
風格轉移	風格化圖像
活動分類	使用感測器檢測活動
影像相似度	尋找類似圖像
分類器	預測標籤
回歸	預測數值
聚類	將相似的數據點分組在一起
文字分類器	分析訊息的情緒

範例：具有幾行程式碼的圖像分類器

如果您希望您的應用程式識別圖像中的特定對象，您只需使用幾行程式碼即可建立自己的模型：

 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' )

在 iOS 應用程式中使用生成的模型很容易：

支援的平台

Turi Create 支援：

• macOS 10.12+
• Linux（附 glibc 2.10+）
• Windows 10（透過 WSL）

系統需求

Turi Create 需要：

• Python 2.7、3.5、3.6、3.7、3.8
• x86_64架構
• 至少 4 GB RAM

安裝

有關不同 Linux 版本的詳細說明，請參閱 LINUX_INSTALL.md。有關常見安裝問題，請參閱 INSTALL_ISSUES.md。

我們建議使用 virtualenv 來使用、安裝或建置 Turi Create。

pip install virtualenv

安裝Turi Create的方法遵循標準的 python 套件安裝步驟。若要建立並啟動名為venv的 Python 虛擬環境，請執行下列步驟：

 # Create a Python virtual environment
cd ~
virtualenv venv

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

或者，如果您使用 Anaconda，則可以使用其虛擬環境：

conda create -n virtual_environment_name anaconda
conda activate virtual_environment_name

若要在虛擬環境中安裝Turi Create ：

(venv) pip install -U turicreate

文件

使用者指南和 API 文件包包含有關如何使用 Turi Create 的更多詳細資訊。

GPU支援

Turi Create不需要 GPU ，但某些模型可以透過利用 GPU 加速 9-13 倍。

Linux	macOS 10.13+	macOS 10.14+ 獨立 GPU、macOS 10.15+ 整合 GPU
活動分類	影像分類	活動分類
圖紙分類	影像相似度	物體偵測
影像分類	聲音分類	一擊目標偵測
影像相似度		風格轉移
物體偵測
一擊目標偵測
聲音分類
風格轉移

macOS GPU 支援是自動的。有關 Linux GPU 支持，請參閱 LinuxGPU.md。

從源頭構建

如果您想從原始程式碼建立 Turi Create，請參閱 BUILD.md。

貢獻

在貢獻之前，請查看 CONTRIBUTING.md，除非您同意 CONTRIBUTING.md 中規定的條款和條件，否則請勿提供任何貢獻。

我們希望 Turi Create 社群盡可能熱情和包容，並通過了一份行為準則，希望所有社群成員（包括貢獻者）閱讀和遵守。