在正在举行的 WWDC 2017 上，苹果宣布发布了 Metal 2，详情可参阅机器之心的报道《苹果开发者大会 WWDC 2017：首次全面展示苹果的人工智能实力》。而差不多在 WWDC 2017 大会开幕时，XMART LABS 在 GitHub 上开源了 Bender——一个基于 Metal 的现代机器学习框架，而值得一提的是，Bender 也是著名动画《飞出个未来》里面的一个金属（metal）机器人主角。
.png)
项目地址：https://github.com/xmartlabs/Bender
Bender 是 MetalPerformanceShaders 之上的一个抽象层（abstraction layer），可用于操作神经网络。在 Bender 出现后，苹果机器学习环境中有了自己的框架。
本项目的文档在 Documentation 文件中：
- API 包含了上手使用所需的最重要的信息；
- Supported Layers 解释了其支持哪些层以及它们是如何映射到 TensorFlow 指令的；
- Importing 解释了如何将 TensorFlow 等其它框架的模型导入进来。你可以找到如何为自定义实现增强这个功能的信息。
介绍
Bender 是 MetalPerformanceShaders 之上的一个抽象层（abstraction layer），可用于操作神经网络。在人工智能领域，人们对在移动设备上执行神经网络的兴趣越来越大，即便其训练过程是预先在其它地方完成的。我们希望人们能更轻松地在 iOS 上运行预训练的网络。
Bender 可以让你轻松使用卷积、池化、全连接和一些规范化等最常见的层，从而轻松地定义和运行神经网络。而且这些层接收参数的方式也很灵活。我们希望能加载在 TensorFlow 或 Caffe2 等框架上训练好的模型。目前 Bender 有一个用于 TensorFlow 的适配器（adapter），其可以加载带有变量的图（graph），并将其「翻译」成 Bender 的层（layer）。这个功能仅支持一部分 TensorFlow 指令，但我们计划增强它，使其覆盖更大的范围。
Bender 已经可用了，但也仍处在积极的开发阶段，我们也希望看到社区的需求能推动它的发展。注意，它的 API 还不是很稳定。
我们为什么需要 Bender？
在 Xmartlabs，我们曾经想要启动一个机器学习项目，然后我们调查了可以在 iOS 中使用的框架。我们发现 MetalPerformanceShaders 很有用，但对用户并不太友好，我们发现我们重复了大量代码和信息。这就是我们为什么要开始构建一个能够处理这类事物的框架。
我们还发现我们需要将使用 TensorFlow 训练的模型翻译成 iOS 上可用，为此我们需要编写脚本，使之可以将权重转换成 MPSCNN 格式，并将 TensorFlow 的层中不同类型的参数映射成 MPSCNN 核所使用的参数。TensorFlow 可以为 iOS 进行编译，但目前它并不支持在 GPU 上运行，而这却正是我们需要的。我们也并不想将 TensorFlow 的静态库包含在我们的项目中。所以我们开发了一个适配器，可以将 TF graph 解析并翻译成我们的 Bender layer。
使用方法
你可以使用我们自定义的算子在 Bender 中定义你自己的网络，或者你可以加载从 TensorFlow 导出的模型。你可以通过如下方式定义一个网络和加载一个模型：
import Bender// Define a network and how it will load its weights / parameters
let randomLoader = RandomParameterLoader(maxSize: 7*7*64*1024) network = Network(device: device, inputSize: LayerSize(f: 3, w: 256), parameterLoader: randomLoader)
// Convert a graph from TensorFlow
let url = Bundle.main.url(forResource: "myGraph", withExtension: "pb")!
let converter = TFConverter.default() network.nodes = converter.convertGraph(file: url, type: .binary)
// Initialize the network
network.initialize()
// Run the network
let inputImage = ...network.run(inputImage: image, queue: commandQueue) { output in ...
}
你可以在 Importing 文档了解更多信息。
如果你想自己定义你的网络，你可以如下操作：
let network = ...network.start ->> Convolution(convSize: ConvSize(outputChannels: 16, kernelSize: 3, stride: 2))
->> InstanceNorm()
->> Convolution(convSize: ConvSize(outputChannels: 32, kernelSize: 3, stride: 2), neuronType: .relu)
->> InstanceNorm()
->> FullyConnected(neurons: 128)
->> Neuron(type: .tanh)
->> FullyConnected(neurons: 10)
->> Softmax()...
了解更多请查看 API 文档。
环境要求
- iOS 10.0+
- Xcode 8.3+
参与
- 你可以在 GitHub 上参与和贡献；
- 如果你希望增加新功能，请开启一个问题；
- 如果你发现了 bug 或需要帮助，请先查阅过去的问题、FAQ 和 StackOverflow 上的流程（标签：Bender），然后再提交问题。
在贡献之前，请先查阅 CONTRIBUTING 文件了解更多信息。如果你在你的 App 中使用了 Bender，请告知我们。
样例
按以下三个步骤，可以运行一个样例项目：克隆 Bender 库、打开 Bender 工作空间，运行 Example 项目。
安装
CocoaPods
安装 Bender，在你的 Podfile 中添加以下代码即可：
pod 'MetalBender', :git => 'https://github.com/xmartlabs/Bender.git'
记住 Bender 是为 iOS 10 编译的。所以你必须在你的 Podfile 中加入 platform :ios, '10.0'
作者
- Xmartlabs SRL：https://github.com/xmartlabs
- @xmartlabs：https://twitter.com/xmartlabs
更改日志
参阅 CHANGELOG.md 文件。
