苹果的机器学习框架Core ML 3，使iOS开发人员能够集成机器学习技术到APP上。Core ML 3在WWDC 2019上公布了一些更新，Core ML 3引入了许多新的模型类型和新的神经网络层类型，并支持使用用户本地生成的新数据在设备上对现有模型进行再训练。

Core ML 3引入的新模型使得使用Core ML来解决更多问题成为可能。新模型包括KNN（k-Nearest Neighbor）分类器、ItemSimilarityRecommender、SoundAnalysisPreprocessing、Linked模型、VisionFeaturePrint、NLP模型和管道等。KNN和ItemSimilarityRecommender可用于构建推荐系统；SoundAnalysisPreprocessing可用于声音分类；Linked模型基本上是一种优化机制，例如，如果我们有两个模型都依赖于第三个模型，那么这两个模型可以链接到第三个模型而不是包含它，这意味着第三个模型只会被加载一次；VisionFeaturePrint是一种从图像中提取特征的神经网络；NLP模型可用于文本分析和分类，管道是结合其他模型建立的元模型。此外，新模型类型引入了Core ML模型类型库，其中包括广义线性模型、可用于监督分类或回归问题的向量机和树集成。

最有趣的是，Core ML 3模型可以根据设备上收集的新数据进行更新，即再训练。这也适用于Core ML附带的即用型模型，这意味着我们可以使用APP用户生成的新数据进行演变。设备上（on-device ）的再训练仅支持神经网络和KNN模型类型，并且要确保再训练不涉及任何外部服务，因此我们的数据不需要离开我们的设备。相反地，之前版本的Core ML依赖于服务器端的训练。虽然设备上的训练开辟了许多新的可能性，但由于再训练不是一项简单的任务，它在UI上也带来了一定的复杂性。此外，需要以某种方式保存新的设备上生成的模型，来确保它们可以跨设备或在删除又重新安装APP后使用。

在较低的层级，Core ML 3支持100多种神经网络层类型。每种层类型都专注于一种任务，例如舍入值、输入限制等。大约70个可用的新层意味着我们可以将更复杂的神经网络转换为Core ML而无需使用自定义层。查看苹果官方文档可获取所有新层类型的完整枚举。

Core ML 3.0包含在iOS 13中，需要在MacOS 10.15上进行开发。目前注册开发人员可以使用iOS 13和MacOS 10.15的测试版。

原文链接：
Core ML 3 Extends Available Model Types, Adds On-Device Model Retrain

创作场景

Core ML 3 发布：扩展可用模型类型，增加模型再训练