YOLO在ios上的實現（學習探索）
2017國慶節前在玩yolo，試了三種機器，mac book pro 2013(無nividia獨顯）、 ibm筆記本工作站2013（nividia k1000m)、巨集碁筆記本2014( nvidia geforce 555m），mbp跑tensorflow的object detection api demo能達到FPS 3.5(本地編譯優化tensorflow後），ibm筆記本的k1000m跑gpu模式的yolo2只能達到1.x FPS，555m跑gpu模式的yolo2也只能達到5.x FPS（tiny模型能達到9.x）;
猶豫心動了好久是否買一個新的遊戲本來搞dl+cv，配1080N卡，titan x還沒有筆記本的，後來看nividia黃教主每年產品升級很快，那個jet啥的一張信用卡大小的卡集成了N多能力很強大，這花1.5萬RMB買個本本過兩年也就落伍了，猶豫沒動；也看了阿里雲上的gpu server，還沒下決心；
國慶節期間，發現國外大神Matthijs Hollemans已經在ios上用了三種ML框架實現了yolo：Forge、CoreML、MPS NN graph，後兩者是apple新發布的api：
https://github.com/hollance
經過測試，iphone7上實時物體檢測FPS能達到17, ipad pro上能達到29！
目前遇到的問題是，他只用了tiny模型，只能檢測20種物體，我用yad2k轉換yolo-coco模型（80種）到keras模型（h5)後能轉換成功、測試靜態圖片識別成功，但是轉換為coreml和nngraph模型時，都告失敗：
ValueError: bad marshal data (unknown type code)
Hollemans在https://github.com/hollance/YOLO-CoreML-MPSNNGraph/issues/12答覆說目前只支援tiny模型，不支援full模型，但是為何
python3 test_yolo.py model_data/tiny-yolo-voc.h5 -a model_data/tiny-yolo-voc_anchors.txt -c model_data/pascal_classes.txt 有待繼續研究。。。