版本記錄

前言

目前世界上科技界的所有大佬一致認(rèn)為人工智能是下一代科技革命，蘋果作為科技界的巨頭，當(dāng)然也會(huì)緊跟新的科技革命的步伐，其中ios API 就新出了一個(gè)框架Core ML。ML是Machine Learning的縮寫，也就是機(jī)器學(xué)習(xí)，這正是現(xiàn)在很火的一個(gè)技術(shù)，它也是人工智能最核心的內(nèi)容。

框架基本

Core ML的出現(xiàn)就是蘋果應(yīng)對新的科技革命 —— 人工智能所做的改變和努力，也是順勢而為。ML的意思就是機(jī)器學(xué)習(xí)，機(jī)器學(xué)習(xí)，就是一種能讓計(jì)算機(jī)不需要不斷被人工顯示編程而能自己學(xué)習(xí)的人工智能技術(shù)，它不是通過具體的編碼算法，而是在大量的模型數(shù)據(jù)中找到一個(gè)合適的模式從而讓計(jì)算機(jī)能夠不斷的發(fā)展和完善自身算法。

這個(gè)技術(shù)所要模擬的就是一個(gè)龐大而復(fù)雜的神經(jīng)網(wǎng)絡(luò)，這個(gè)神經(jīng)網(wǎng)絡(luò)需要大量的訓(xùn)練好的模型(model)來提供數(shù)據(jù)，使得這個(gè)神經(jīng)網(wǎng)絡(luò)能對各種輸入(inputs)產(chǎn)生出一個(gè)對應(yīng)的輸出結(jié)果(outputs)，并且還能通過不斷的訓(xùn)練數(shù)據(jù)來提高自己的算法準(zhǔn)確性。

下面我們就看一下該框架的基本情況。

Core ML框架幫助你將機(jī)器學(xué)習(xí)集成到您的APP中。如下圖所示。

一個(gè)經(jīng)過訓(xùn)練的模型是將機(jī)器學(xué)習(xí)算法應(yīng)用于一組訓(xùn)練數(shù)據(jù)的結(jié)果。 該模型基于新的輸入數(shù)據(jù)進(jìn)行預(yù)測。 例如，根據(jù)某個(gè)地區(qū)的歷史房價(jià)進(jìn)行訓(xùn)練的模型能夠在給定臥室和浴室的數(shù)量時(shí)預(yù)測房子的價(jià)格。

Core ML是域特定框架和功能的基礎(chǔ)。 Core ML支持圖像分析愿景，自然語言處理基礎(chǔ)（例如，NSLinguisticTagger
類）和用于評估學(xué)習(xí)決策樹的GameplayKit。 Core ML本身建立在諸如Accelerate 和BNNS以及Metal Performance Shaders之類的低級原語之上。具體如下圖所示。

Core ML針對設(shè)備性能進(jìn)行了優(yōu)化，可最大限度地減少內(nèi)存占用和功耗。 嚴(yán)格按照設(shè)備運(yùn)行，確保用戶數(shù)據(jù)的隱私，并保證您的應(yīng)用在網(wǎng)絡(luò)連接不可用時(shí)保持功能和響應(yīng)。

下面我們看一下Core ML的基本結(jié)構(gòu)。

框架結(jié)構(gòu)

下面我們看一下該框架的基本結(jié)構(gòu)。

1. First Steps

• Getting a Core ML Model

  • 獲取你app中要使用的Core ML模型。

• Integrating a Core ML Model into Your App

  • 將簡單的模型加入一個(gè)app中，將輸入數(shù)據(jù)傳遞給模型，并產(chǎn)生模型的預(yù)測。

2. Computer Vision

• Classifying Images with Vision and Core ML
  • 使用Core ML的Vision執(zhí)行圖像分類。

3. Model Conversion

• Converting Trained Models to Core ML
  • 將第三方機(jī)器學(xué)習(xí)工具產(chǎn)生的訓(xùn)練模型轉(zhuǎn)化為Core ML模型格式。

4. Core ML API

• Core ML API
  • 直接使用Core ML API以支持自定義工作流和高級用例。

后記

這段時(shí)間有點(diǎn)忙，好幾天沒更新了，今天閑著了，就繼續(xù)更新了下。未完，待續(xù)~~~