core ml 文档说明
Apple原文链接
Core ML
集成机器学习模型到你的app里面
概述
结合Core ML, 你可以集成训练机器学习模型到你的app里面.
训练模型是将机器学习算法应用于一组训练数据的结果. 该模型基于新的输入数据进行预测. 例如, 根据某个地区的历史房价进行训练的模型, 可能能够在给予卧室和浴室的数量时预测房子的价格.
Core ML是特定领域的基础框架和功能库. Core ML支持视觉图像分析, 基础的自然语言处理(例如, NSLinguisticTagger 类) 以及 GameplayKit 评估学习决策树. Core ML本身建立在诸如: Accelerate 和 BNNS 以及 Metal Performance Shaders之类的底层库之上.
Core ML针对设备性能进行了优化, 最大限度地减少了内存占用和功耗. 严格按照设备运行确保用户数据的隐私, 并确保您的应用程序在网络连接不可用时保持功能和响应.
Core ML 支持多种机器学习模型，其中包括了神经网络、集成树、支持向量机以及广义线性模型.Core ML 的运行需要使用 Core ML 模型格式（也就是以 .mlmodel 扩展名结尾的模型）
Apple 提供了一些常见的开源模型供大家使用, 这些模型已经使用了 Core ML 模型格式. 可以下载这些模型, 然后就可以在应用中使用它们了. 此外, 其他的研究机构和大学都发布了不少机器学习模型和训练数据, 这些往往都不是以 Core ML 模型格式发布出来的. 如果您打算使用这些模型的话, 需要对它们进行转换, 具体内容详见将已训练模型转换为 Core ML.
获取一个Core ML模型
获取一个Core ML模型
- 获取一个Core ML模型，以便能在你的应用程序当中使用.
Apple原文链接
通过机器学习(machine learning)构建更多的智能应用程序
利用Core ML, 这是一种用于苹果产品的新的基础机器学习框架, 包括Siri，Camera和QuickType. Core ML提供快速的性能，轻松集成机器学习模型，使您能够使用几行代码构建具有智能新功能的应用程序.
概述
Core ML允许您将各种各样的机器学习模型类型集成到您的应用程序中. 除了支持30多种类型的广泛深入学习外，它还支持诸如树组合，支持向量机(SVM)和广义线性模型之类的标准模型. 由于它基于 Metal 和 Accelerate 等低级技术，Core ML 无缝利用CPU和GPU来提供最高的性能和效率. 您可以在设备上运行机器学习模型，因此数据不需要离开要进行分析的设备.
视觉
您可以轻松地将计算机视觉机器学习功能构建到您的应用程序中. 支持的功能包括面部跟踪，人脸检测，地标，文本检测，矩形检测，条形码检测，对象跟踪和图像配准.
自然语言处理
基本框架(Foundation)中的自然语言处理API使用机器学习深入了解文本，使用语言识别，标记化，词汇化，词性化和命名实体识别等功能。
使用模型
使用以下可用的Core ML模型构建您的应用程序，或使用Core ML Tools轻松将模型转换为Core ML格式.
模型
Places205-GoogLeNet | ResNet50
从205个类别检测图像的场景，如机场，卧室，森林，海岸等. 查看原始模型详情
下载Core ML模型(文件大小: 24.5 M)
ResNet50
从1000个类别（如树木，动物，食物，车辆，人物等）中检测出图像中的主要物体. 查看原始模型详情
下载Core ML模型(文件大小: 102.6 M)
Inception v3
从1000个类别（如树木，动物，食物，车辆，人物等）中检测出图像中的主要物体. 查看原始模型详情
下载Core ML模型(文件大小: 94.7 M)
VGG16
从1000个类别（如树木，动物，食物，车辆，人物等）中检测出图像中的主要物体. 查看原始模型详情
下载Core ML模型(文件大小: 553.5 M)
集成一个Core ML模型到你的应用程序里面
- 向应用程序添加一个简单的模型, 将输入数据传递给模型, 并处理模型的预测.
模型转换
转换训练模型到Core ML
- 通过第三方的机器学习扩展工具将创建的训练模型转换成Core ML模型的格式.
Core ML Tools
Core ML Tools是一个可以用于将模型从机器学习工具库转换为Core ML格式的python软件包.
获取Core ML Tools
Core ML Model 说明书
Core ML 接口
Core ML 接口
- 使用Core ML API 直接支持自定义工作流和先进的用例.