手把手 | 如何在你的iPhone上建立第一个机器学习模型（Apple最新CoreML框架入门）

大数据文摘作品

作者：MOHD SANAD ZAKI RIZVI

编译：Happen，Chloe，笪洁琼，魏子敏

引言

作为一名数据科学家，我一直有一个梦想——顶级科技公司在与我相关的领域不断推出新产品。

如果你观看了Apple公司最新的iPhone X发布会，你会发现iPhone X具有非常酷的特性，比如FaceID、动态表情、增强现实，这些特性都使用了机器学习。作为一名骇客，我决定亲自上手探索一下如何建立那样的系统。

进一步调查后我发现了一个很有趣的工具，那就是Apple官方面向开发者推出的机器学习框架工具CoreML。它可以在iPhone、Macbook、Apple TV、Apple watch等任何一个苹果设备上使用。

另一个有趣的发现是Apple在最新的iPhone手机上设计了一个定制GPU，以及一个带有神经引擎的A11先进仿生学处理芯片，以便用于优化机器学习。

随着核心组件计算引擎功能日益强大，iPhone将开辟机器学习的新途径，CoreML在未来的意义将越来越重要。

读完这篇文章，大家将会了解Apple CoreML是什么以及为何它势头正猛。我们也将通过开发一款iPhone上的垃圾短信分类app来与大家一起一探CoreML的实现细节。

同时，我们也会通过客观评价CoreML的利弊来结束本篇文章。

文章目录：

1.CoreML是什么？

2.建立系统

3.案例学习：实现一个iPhone上的垃圾短信分类app

4.使用CoreML的利弊

01

CoreML是什么？

今年，Apple公司在每年一次的全球开发者大会WWDC（类似于谷歌的I/O会议）上大肆宣传CoreML。为了更好地理解CoreML的作用，我们需要了解一些背景。

CoreML的背景

有趣的是，这并不是Apple公司第一次发布移动端机器学习框架。去年它就发布了一些同样的框架库：

1.Accelerate 框架和基本神经网络子程序（BNNS）——高效利用CPU并使用卷积神经网络进行预测。

2.Metal Performance Shaders CNN（MPSCNN）——高效利用GPU并使用卷积神经网络进行预测。

这两个框架库的区别在于，一个针对CPU优化而另一个针对GPU。这是因为有时在inference（推断）过程中CPU比GPU计算更快，而在training（训练）过程中几乎每次都是GPU计算更快。

但为了提高性能，框架会非常接近底层硬件，使得这些混合框架对开发者造成混乱，从而很难编程。

走进CoreML

CoreML 会在之前提到的两个库上面提供一个抽象层，并且还会提供一个简单的接口，以达到同样的效率。另一个好处是，在我们的app运行时，CoreML充分照顾到了CPU与GPU之间的上下文切换。

换句话说，假如我们有一个耗内存的任务，它涉及文本处理（自然语言处理），CoreML将自动在CPU运行；而如果我们有一个计算繁重的任务，例如图像识别，它将使用GPU；当app包含这两种功能的时候，它又会自动切换从而使得两者都得到最大化的利用。

CoreML还将提供什么？

CoreML顶层还附带了三个库：

1.Vision：这个库提供了高性能图像分析与计算机视觉技术，用于人脸识别、特征检测以及图像与视频中的场景识别。

2.Foundation(NLP)：顾名思义，它提供了自然语言处理的一些功能

3.Gameplay Kit：用于游戏开发的库，此外它还提供了AI，并运用决策树。

以上提到的所有库都可以用一些简单的接口轻松使用，可用于完成一系列任务。通过上述的库，CoreML最终框架图如下：

注意，上述设计给iOS应用程序提供了一个很好的模块化结构。你可以使用不同层进行不同的任务，也可以用多种方式使用它们（例如，在app中使用NLP进行图像分类）。了解更多：Vision、Foundation与GameplayKit。好了，现在我们有了足够的理论知识，是时候实践一下了！

“微信排版限制，需要代码的同学请看文末的原文链接自行查找”

02

建立系统