移动端AI与ML应用开发：基于iOS和Android

196

|

第

11

章

数据类型。如果你想探索使用第 8 章中的

y

= 2

x

– 1 的小型应用程序，那么你可以在本

书的存储库中找到它。接下来，我们将看一个更复杂的例子

—

使用图像。虽然这种情

况比你刚讨论的单个浮点输入更复杂，但大部分模式是相同的，因为图像中的数据仍然

非常结构化，并且转换为读取底层内存并不太困难。本章探索的最后一个模式是创建使

用自然语言处理（NLP）训练模型的应用程序。在这种情况下，模型的输入数据（字符

串）与模型识别的张量（标记词列表）有很大不同，因此你将在那里更详细地探索数据

转换的方法。但首先，让我们看一下基于自定义模型识别图像的图像分类器。

11.2

自定义模型图像分类器

在本书前面（第 6 章），你看到了如何使用 ML Kit 在 iOS 上构建图像分类器。它有一个

经过预训练的基本模型，可以识别数百个类别的图像，能非常有效地向你展示图像中可

能有一只猫，或者像是我们使用过的狗的图像，模型认出它既是猫又是狗！但在大多

数情况下，你可能不想要识别通用图像的能力，而需要更具体的类别。你想构建一个应

用程序来识别叶子上不同类型的农作物病害，你想给一只鸟拍照并获知它是什么类型的

鸟，等等。

因此，在第 8 章中，你看到了如何在 Python 中使用 TensorFlow Lite Model Maker 来快

速训练一个模型，该模型可以从照片中识别出五种不同种类的花朵。我们将使用它作为

所有可识别自定义模型应用程序的模板。

由于这是一个基于图像的模型，因此使用 ML Kit 的自定义图像加载功能构建应用程序 ...