更新了ios11系统和最新的Mac系统，商店和上拉出现的控制中心对我的冲击最大，就起是控制中心，真的是很方便了，尤其是数据流量的切换，新系统的指纹解锁真的很快。
下面来说一下苹果新出的几个框架和相应的代码示例(需要下载最新的xcode9.0beta版本，xcode增加了git版本控制，模拟器样子真机感十足)：
1、Core ML 框架
1.1简介：机器学习模型集成到你的应用程序。
训练模型的结果将机器学习算法应用于一组训练数据。该模型基于新的输入数据做出预测。例如,模型的训练在一个地区的历史房价可能能够预测一个房子的价格当给出卧室和浴室的数量。
Core ML是特定领域的基础框架和核心功能。Core ML支持视觉图像分析、自然语言处理的基础(例如,NSLinguisticTagger类),GameplayKit评估决策树学习。Core ML本身建立在加速和bnn低级原语,以及金属着色器性能。
Core ML为设备内置优化性能,最大限度地减少内存占用和功耗。在设备上运行严格确保用户数据的隐私和保证您的应用程序仍然是有功能和可反馈的当网络连接不可用时。
1.2 示例代码 向应用程序添加一个简单的模型,通过对模型输入数据和过程模型的预测。下载
在代码中创建模型
let model =MarsHabitatPricer()
获得输入值传递到模型中
func selectedRow(for feature: Feature) -> Int {
return pickerView.selectedRow(inComponent: feature.rawValue)
}
let solarPanels = pickerDataSource.value(for: selectedRow(for: .solarPanels), feature: .solarPanels)
let greenhouses = pickerDataSource.value(for: selectedRow(for: .greenhouses), feature: .greenhouses)
let size = pickerDataSource.value(for: selectedRow(for: .size), feature: .size)
利用模型进行预测
guard let marsHabitatPricerOutput = try? model.prediction(solarPanels: solarPanels, greenhouses: greenhouses, size: size) else {
fatalError("Unexpected runtime error.")
}
展示预测的数据
letprice = marsHabitatPricerOutput.price
priceLabel.text = priceFormatter.string(for: price)
1.3 苹果为我们提供了很多的模型，并且提供了模型工具来进行转化，该工具是一个Python包，正巧楼主正在学习Python，感觉Python还是很强大的。
后面还有虚拟现实、相机、文件拖拽、文件系统访问等，从趋势上看iPad的开发是目前苹果所重视的，为了iPad的生产力，从而促进iPad的销售。
作为一个苹果开发人员很高兴能够看到苹果在系统上所做出的改变，这意味着我们能够做的事情更多了，上面只是一些粗略的翻译与理解，如有疑问请看苹果开发者网站。
