一、简介
Core ML 的用途是将经过训练的机器学习模型集成到自己的应用程序当中。
trained model(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，比如一个被区域历史房价训练的模型可以用来预测房价，当给定房子的浴室数目和卧室数目，就能预测出它的价格。
Core ML 是特定领域框架和功能的基础，它提供了Vision用于图片分析、Natural Language用于自然语言处理和GameplayKit用于评估学习决策树。Core ML本身是构建在底层基元之上的，比如Accelerate(速度框架)和BNNS（基础神经网络子程序（一组函数））以及Metal Performance Shaders(一个高度优化的计算和图形着色器的集合)。
image.png
Core ML针对设备性能进行了优化，从而将内存占用和功耗降到最低。在设备上严格运行确保了用户数据的隐私，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性。
二、获取Core ML Model
Core ML支持多种机器学习模型，包括神经网络、树集成、支持向量机和广义线性模型。Core ML需要Core ML模型格式(具有.mlmodel文件扩展名的模型)。
使用Create ML和自己的数据训练出来的模型是ML模式格式，可以在自己的项目中使用；苹果也提供了集中流行的开源模型，这些模型也是ML格式的，可以直接在项目中使用；一些研究小组或者大学发布的有自己的模型和数据，这些可能不是ML格式的，在使用前需要转换成“Converting Trained Models to Core ML”中所述的那样。
三、版本支持
SDKs
iOS 11.0+
macOS 10.13+
tvOS 11.0+
watchOS 4.0+
后续文章：
Core ML(基础) - 添加模型到项目
Core ML(基础) - 转换训练模型为Core ML
Core ML - 图像分类Model
Core ML - App瘦身
目前处于入门阶段，99%的内容翻译自官方文档，方便自己翻阅，也希望能够帮助对Core ML感兴趣的朋友。码字不容易，转载请说明出处，谢谢。
网友评论