Apple 在 WWDC 2017 大会上发布了一种使用机器学习的方式，以及一种开发人员在自身应用中添加机器学习的方式。
Apple 新发布的机器学习 API 称为 Core ML，允许开发人员将机器学习模型集成到 App 中，App 运行于采用 iOS、macOS、watchOS 和 tvOS 的 Apple 设备上。由于模型驻留在设备上，因此数据不会离开设备。
Core ML 提供了应用开发人员可用的多种 API 调用，无需开发人员在 App 中额外添加任何模型。例如，它所提供的计算机视觉算法包括了面部识别和追踪、特征点检测和事件识别。开发人员也可调用 Core ML 做自然语言分析，例如实现对电子邮件、文本和 Web 页面的分析。自然语言处理 API 调用包括了语言检测、标记化（Tokenization）、词性标注（POS tagging）抽取和命名实体识别等。
开发人员也可以设计并使用自己的机器学习模型。Core ML 支持超过 30 层的深度神经网络，也支持其他一些机器学习方法，例如 SVM 和线性模型。在设备上可以使用 CPU 和 GPU，这为在 Apple 设备上运行强大的算法提供了很大的空间。
Apple 提供了一些预先训练好的模型，开发人员可以下载它们到自己的 App 中。在Apple 开发者网站上提供的一个模型可检测205 种图像场景（例如候机楼或卧室）。另外还提供了三种模型，可用于检测图像中的对象。开发人员也可以使用 Apple 提供的转换工具，将一些已有的模型转换为 Core ML 格式。该工具支持的机器学习工具包括：Keras（使用 Tensorflow 作为后端）、Caffe、Scikit-learn、libsvm 和 XGBoost。但是它不支持将已有的 Tensorflow 模型导入 Core ML 中，这在用于Android 的Tensorflow Lite 上是支持的。
对于那些想在自身App 中添加人工智能的开发人员，可以访问 Core Ml 的官方文档。
查看英文原文： Apple Announces Core ML: Machine Learning Capabilities on Apple Devices
暂无签名
中国开发者画像洞察研究报告 2024
分析开发者的行为模式、工作价值、职业发展等内容，帮助整个行业生态更深入地理解开发者，为他们提供更精准...
评论