版本记录
| 版本号 | 时间 |
|---|---|
| V1.0 | 2017.10.28 |
前言
目前世界上科技界的所有大佬一致认为人工智能是下一代科技革命，苹果作为科技界的巨头，当然也会紧跟新的科技革命的步伐，其中ios API 就新出了一个框架
Core ML。ML是Machine Learning的缩写，也就是机器学习，这正是现在很火的一个技术，它也是人工智能最核心的内容。
框架基本
Core ML的出现就是苹果应对新的科技革命 —— 人工智能所做的改变和努力，也是顺势而为。ML的意思就是机器学习，机器学习，就是一种能让计算机不需要不断被人工显示编程而能自己学习的人工智能技术，它不是通过具体的编码算法，而是在大量的模型数据中找到一个合适的模式从而让计算机能够不断的发展和完善自身算法。
这个技术所要模拟的就是一个庞大而复杂的神经网络，这个神经网络需要大量的训练好的模型(model)来提供数据，使得这个神经网络能对各种输入(inputs)产生出一个对应的输出结果(outputs)，并且还能通过不断的训练数据来提高自己的算法准确性。
下面我们就看一下该框架的基本情况。
Core ML框架帮助你将机器学习集成到您的APP中。如下图所示。
一个经过训练的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。 例如，根据某个地区的历史房价进行训练的模型能够在给定卧室和浴室的数量时预测房子的价格。
Core ML是域特定框架和功能的基础。 Core ML支持图像分析愿景，自然语言处理基础（例如，NSLinguisticTagger
类）和用于评估学习决策树的GameplayKit。 Core ML本身建立在诸如Accelerate 和BNNS以及Metal Performance Shaders之类的低级原语之上。具体如下图所示。
Core ML针对设备性能进行了优化，可最大限度地减少内存占用和功耗。 严格按照设备运行，确保用户数据的隐私，并保证您的应用在网络连接不可用时保持功能和响应。
下面我们看一下Core ML的基本结构。
框架结构
下面我们看一下该框架的基本结构。
1. First Steps
-
- 获取你app中要使用的Core ML模型。
-
Integrating a Core ML Model into Your App
- 将简单的模型加入一个app中，将输入数据传递给模型，并产生模型的预测。
2. Computer Vision
-
Classifying Images with Vision and Core ML
- 使用
Core ML的Vision执行图像分类。
- 使用
3. Model Conversion
-
Converting Trained Models to Core ML
- 将第三方机器学习工具产生的训练模型转化为Core ML模型格式。
4. Core ML API
-
Core ML API
- 直接使用
Core ML API以支持自定义工作流和高级用例。
- 直接使用
后记
这段时间有点忙，好几天没更新了，今天闲着了，就继续更新了下。未完，待续~~~
