[Coremltools] sklearn 모델 mlmodel로 convert하기(Jupyter notebook 오류 해결)

데이터 분석 부스트코스 파이널 프로젝트를 진행하면서 머신러닝을 성공적으로 적용했습니다.

모델 정확도를 95%까지 올리고 나니 이 모델을 이용해서 단순한 프로젝트성 앱을 하나 만들면 좋겠다는 생각이 들었습니다.

 

CoreML을 직접 사용해보기도 할 겸, scikit의 Linear Regression을 적용해 학습한 모델을 .mlmodel로 변환하는 과정을 담아보았습니다.

 

 

0. CoreML로 저장하기 위해 coremltools 설치 진행

conda환경 유무에 따라 명령어가 조금 다릅니다.

 

<anaconda를 통해>

conda install -c conda-forge coremltools

<pip 통해>

pip install coremltools==5.0b3

 

=> https://github.com/apple/coremltools 에서 가장 최근 버전을 까는 명령어가 따로 있는 것 같아서 이 명령어를 첨부했습니다. 구글링 해보시면 그냥 pip install coremltools 로 하기도 합니다.

 

 

1. Jupyter Notebook - Conda 환경은 coreML 에러가 발생한다.

 

model = LinearRegression() #선형 회귀 model

import coremltools
core_ml_model = coremltools.converters.sklearn.convert(model) #convert하기 위한 과정

 

NameError: name '_tree' is not defined 에러가 발생합니다.

구글링을 해보니, 이게 scikit 버전을 coremltool이 지원을 못하고 있기 때문이라고 합니다.

 

sklearn은 현재 최신 버전이 0.24.1인데요, coremltools이 확실히 지원하는 건 sklearn 0.19.2입니다.

그래서 conda에서 sklearn을 다운그레이드를 하려고 했더니

 

sklearn 0.19.2는 또.. Python3를 지원하지 않으니 새로운 가상환경을 만들라는 에러가 뜹니다.

가상환경을 새로 만드는게 편하시다면 파이썬 버전을 에러 메세지에서 나오는대로 낮춰주시고 진행하는 것도 나쁘지 않을 것 같긴 합니다.

 

그러나 저는 구글 코랩으로 방향을 틀었습니다.

 

 

2. Colab에서 scikit 다운 그레이드 + coremltools 설치하기

 

Google Colab은 이렇게 한 번 Run 할 때마다 새로 설치를 해줘야 한다는 게 단점이자 장점이 되는 것 같습니다. 

그렇다면 다운그레이드 버전을 설치하고 coremltools도 설치합니다.

 

Google Colab은 conda 환경이 아니니 명령어가 pip입니다.

 

!pip install --force-reinstall 'scikit-learn==0.19.2'

 

 

 

3. Convert 하고 저장하기

model = LinearRegression() #선형 회귀 model

import coremltools
coreml_model = coremltools.converters.sklearn.convert(model) #convert하기 위한 과정
coreml_model.save('/MyModel.mlmodel')

 

이때 convert(model, input 이름들, output이름)이 인자로 들어갑니다. 하단에서 mlmodel 파일을 열어보면 이해가 되실 겁니다.

 

save('~경로/내모델파일이름.mlmodel')로 저장을 해주면

그 경로에 mlmodel 파일이 생성됩니다!!

생성된 scores.mlmodel

 

열여보게 되면

 

앞서 말씀드린 input과 output이 명시되어 있죠.

Description 같은 부분에 설명도 코드로 추가할 수 있습니다.

 

이제 이 mlmodel를 xcode 프로젝트에 연결해서 모델을 사용해보겠습니다(다음 포스팅에서 ~.~)