几周前，我有机会参加了一个SAP CodeJam，主题是"SAP Cloud Platform Fiori for iOS SDK and Mobile Services"。对于希望学习新的SAP技术并与其他开发人员见面的开发人员来说，SAP代码阻塞总是一个鼓舞人心的事件。这是我深入研究这一主题并开发第一款iOS应用程序的出发点。

在他的博客中，使用SAP Gerhard Henig开发企业级iOS应用程序的五大理由概述了使用SAP提供的工具和服务的好处。SAP Leonardo机器学习服务使开发人员能够为企业构建智能应用程序。我给你举两个智能应用程序的例子。

智能应用程序是一个利用机器学习模型的应用程序。机器学习模型可以被认为是一种能够执行特定任务（如图像分类、语音识别或产品推荐）的功能。机器学习模型是通过将数据输入机器学习算法来生成的。输出是一个经过训练的机器学习模型，它从所教的数据中学到了知识。

如果你是一个开发人员，你可能有兴趣学习如何构建这样的智能应用程序。在SAP Tutorial Navigator中，您可以找到SAP Leonardo机器学习教程和iOS SDK，其中解释了如何构建图像分类应用程序的原型。

但是，如果您在应用程序中使用作为云服务提供的机器学习服务，则有一个缺点：需要稳定的网络连接，应用程序才能正常运行。如果我们能在我们的应用程序中加入机器学习模型（它代表了应用程序的"大脑"），这样即使在偏远的荒野中也能离线工作，那岂不是很好？

救援来了。它是在WWDC 2017年推出的，大数据 学习，服务器云服务器，允许开发者轻松地将机器学习模型集成到他们的应用程序中。在苹果公司，云分析，它被用于许多任务，例如人物识别和场景识别，手写识别。

目标是建立一个易于测试的SAP Fiori iOS应用程序，集成核心ML模型。我最终开发了一个水果检测应用程序。

该应用程序的工作原理如下。

出现了一个水果和蔬菜列表，其中包含相应的置信水平（4），最高概率的预测类列在顶部。在这个例子中，应用程序能够识别红苹果。该列表是使用SAP Fiori Mentor应用程序提供的模板作为SAP Fiori数据表实现的。

这里有一些现成的核心ML模型可供下载。

这些模型非常大且通用，服务器和云服务器，可能无法很好地执行高度专业化的任务。在这种情况下，您可能需要自己构建机器学习模型。

使用"水果360"数据集来训练模型。您可以从Kaggle下载数据集。

下载的数据集包含62116张90种水果的图片。它不时更新。

我考虑了两个选择来训练一个模型：

在观看了2018年WWDC的视频后，我选择了Create ML。训练一个模型从未如此容易。打开一个操场，在左侧输入三行代码：

运行代码，在右侧打开一个助理编辑器。只需将包含训练数据的文件夹放入"drop Images"区域，训练过程就开始了。

经过一段时间（在我的例子中，它花费了一个多小时）后，模型被创建，模型的准确性显示在右侧：

现在将测试数据文件夹放入操场，评估过程就开始了。

测试数据文件夹测试数据的准确性较低，因为模型之前没有看到这些图像。

最后我们保存了Core ML模型，并简单地将文件拖到Xcode项目中。Core ML模型的模型类自动生成：

模型需要一个图像作为输入，并返回一个包含每个图像的概率的字典类别。概率最大的类标签对应于模型预测的水果类型。

在ViewController中，南京大数据，我们检索模型并通过图像作为输入发出分类请求：

此演示应用程序的源代码可在Bitbucket上获得。

我希望我可以给您一个印象，即构建和更新是多么简单借助苹果高度复杂的机器学习工具和框架，将机器学习模型集成到iOS应用程序中。结合SAP Cloud Platform SDK for iOS，开发者非常有能力为智能企业开发创新应用程序。