【iOS11 / CoreML】自作した回帰予測モデル(.mlmodel)の結果を得る実装方法 (Regression, VNCoreMLRequest)

iOS11がリリースされて3日経過したが、本家が提供するモデルはMobileNet、SqueezeNet、Places205-GoogLeNet、ResNet50、Inception v3と分類モデルが多く、サンプルコードも分類しか見つけられない。
なので、今回は回帰予測モデル（具体的には、１次元配列 : 3次元ベクトル回帰）について説明。（世間で回帰関連の記事もないので）

説明すること：回帰の場合の実装方法（比較として分類の場合も記載）
説明しないこと：CoreMLの基本的な使い方、実行方法（巷に溢れているので割愛）

参考資料
回帰モデルの説明
[分類/回帰]モデルをロード
[分類/回帰]モデルと結果を受け取るコールバックを設定
[分類/回帰]コールバック関数 / 結果の読み取り【最重要】
感想

参考資料

本家で提供される学習済みモデル一覧
Machine Learning - Apple Developer

CoreMLの分類サンプルコード
Classifying Images with Vision and Core ML | Apple Developer Documentation

回帰モデルの説明

自作したモデルは、１次元配列（3次元ベクトル）を求めるようなモデル。
（まぁ多次元配列でもスカラー値でも、話は同じだったので割愛）
Kerasで学習させた回帰モデルをCoreMLToolsを用いて変換する。

変換イメージ

Keras model (.h5)　→　[CoreMLTools]　→　CoreML model (.mlmodel)

生成されたモデル (例えば、MyRegression.mlmodel) はXcodeでプロジェクトにドラック&ドロップすることで見える。

モデルの確認方法

プロジェクト上にドラック&ドロップした自作モデルをクリック -> [Model Evaluation Parameters] -> [outputs]

モデル情報は次の通り。

Name	Type	Description
output1	MultiArray＜Double, 3＞	(未記入)

MultiArrayとして、3要素のDouble型1次元配列を回帰するモデルとなっていると確認できる。

[分類/回帰]モデルをロード

なんてことはない、分類も回帰も同じ手順

//学習済みmodelをロード (分類)
let model = try! VNCoreMLModel(for: MyClassification().model) # 提供される学習済みであればMobileNet()とか

//学習済みmodelをロード (回帰)
let model = try! VNCoreMLModel(for: MyRegression().model)

[分類/回帰]モデルと結果を受け取るコールバックを設定

ここも特に差はない、分類も回帰も同じ手順

//分類
let coremlRequest = VNCoreMLRequest(model: model, completionHandler: { (request, error) in
self?.processClassification(for: request, error: error)
})

//回帰
let coremlRequest = VNCoreMLRequest(model: model, completionHandler: { (request, error) in
self?.processRegression(for: request, error: error)
})

[分類/回帰]コールバック関数 / 結果の読み取り【最重要】

ポイントは下記で、分類と回帰でクラスを使い分ける

分類の場合	回帰の場合
VNClassificationObservation	VNCoreMLFeatureValueObservation

//分類(VNClassificationObservation)
func processClassification(for request: VNRequest, error: Error?) {
    guard let observations = request.results as? [VNClassificationObservation] else { fatalError() }
    guard let best = observations.first else { fatalError() }
　　//best.identifier : best時のクラス情報
    //best.confidence : best時の信頼度
}

//回帰(VNCoreMLFeatureValueObservation)
func processClassification(for request: VNRequest, error: Error?) {
    guard let observations = request.results as? [VNCoreMLFeatureValueObservation] else { fatalError() }
    guard let values = observations[0].featureValue.multiArrayValue!
    //valuesはここでArrayになっているので
    //あとはランダムアクセスすればスカラー値が取得できる
    //values[0], values[1], values[2]
}