Core ML
又称：CoreML、Apple Core ML
更新于
定义
Core ML是Apple的框架，用于在App内、在设备上运行机器学习模型。它使用CPU、GPU和神经网络引擎，进行预测时无需网络连接。
Core ML自2017年起就是Apple系统的一部分，最早出现在macOS 10.13和iOS 11中。App把一个模型和一些输入（例如音频、图像或文本）交给它，它返回模型的结果。运算在哪里进行，由Core ML决定。
你不需要安装或打开Core ML。它是macOS的一部分。你会在App的介绍或模型的文件名中看到这个名字，或者在某个下载说明其中包含Core ML权重时看到它。
作用
Apple的介绍是：Core ML为所有模型提供统一的表示形式，App用它进行预测，以及训练或微调模型，这一切都在用户的设备上完成。
关于性能，Apple说Core ML会利用CPU、GPU和神经网络引擎来优化设备端性能，同时尽量减少内存占用和功耗。神经网络引擎是Apple芯片中专为这类运算打造的部分，而Core ML是App使用它的常规途径。
为什么设备端运行很重要
Apple自己给出了理由：严格在用户设备上运行模型，就完全不需要网络连接，这有助于保护用户数据的隐私，并让App保持响应迅速。
对语音来说，这意味着音频不必离开Mac就能变成文字。某个App是否真的把音频留在Mac上，取决于这个App，但这个框架让这成为可能。
文件类型
Core ML模型有三种形式，扩展名会告诉你是哪一种。
- `.mlmodel`：原始的模型定义文件。
- `.mlpackage`：较新的包格式，把权重和程序分开存放。从Xcode 13开始支持。
- `.mlmodelc`：编译后的模型，也就是App加载的形式。App或其下载内容中以这个后缀结尾的文件夹，就是一个可以直接运行的Core ML模型。
模型从哪里来
大多数模型是用其他工具训练，然后再转换的。Apple为此发布了Core ML Tools，用于把PyTorch和TensorFlow等训练库中的模型转换为Core ML格式。
同一套工具还可以在转换时通过量化或调色板化来压缩模型，让它更小，在神经网络引擎上通常也更快。
Core ML与MLX
Apple对两者的描述不同。Core ML用于把模型集成到App中。MLX是一个开源数组框架，用于在Apple芯片上试验、训练和微调生成式模型。Apple的文档说MLX在CPU和GPU上运行，而Core ML还可以使用神经网络引擎。
Apple的页面现在还会引导使用最新模型架构的开发者使用另一个框架：Core AI。Core ML仍然是在App中运行模型的长期常用方式。
大家常问的问题。
Core ML有什么用途？
在Apple设备的App内运行机器学习模型：识别语音、对图像分类、读取文字等任务，无需把数据发送到服务器。
Core ML需要联网吗？
不需要。Apple说，严格在设备上运行模型，就完全不需要网络连接。
Core ML会使用神经网络引擎吗？
会。Apple说Core ML会利用CPU、GPU和神经网络引擎。
什么是.mlmodelc文件？
编译后的Core ML模型，也就是App加载和运行的形式。
Core ML和MLX有什么区别？
Apple将Core ML描述为把模型集成到App中的方式，将MLX描述为在Apple芯片上试验和微调生成式模型的数组框架。Core ML可以使用神经网络引擎；MLX在CPU和GPU上运行。
搭载Intel处理器的Mac上有Core ML吗？
有。Core ML从10.13版起就是macOS的一部分。神经网络引擎只存在于Apple芯片中，所以在搭载Intel处理器的Mac上，它使用CPU和GPU。
