蘋果的機器學習框架Core ML 3，使iOS開發人員能夠集成機器學習技術到APP上。Core ML 3在WWDC 2019上公佈了一些更新，Core ML 3引入了許多新的模型類型和新的神經網絡層類型，並支持使用用戶本地生成的新數據在設備上對現有模型進行再訓練。
Core ML 3引入的新模型使得使用Core ML來解決更多問題成爲可能。新模型包括KNN（k-Nearest Neighbor）分類器、ItemSimilarityRecommender、SoundAnalysisPreprocessing、Linked模型、VisionFeaturePrint、NLP模型和管道等。KNN和ItemSimilarityRecommender可用於構建推薦系統；SoundAnalysisPreprocessing可用於聲音分類；Linked模型基本上是一種優化機制，例如，如果我們有兩個模型都依賴於第三個模型，那麼這兩個模型可以鏈接到第三個模型而不是包含它，這意味着第三個模型只會被加載一次；VisionFeaturePrint是一種從圖像中提取特徵的神經網絡；NLP模型可用於文本分析和分類，管道是結合其他模型建立的元模型。此外，新模型類型引入了Core ML模型類型庫，其中包括廣義線性模型、可用於監督分類或迴歸問題的向量機和樹集成。
最有趣的是，Core ML 3模型可以根據設備上收集的新數據進行更新，即再訓練。這也適用於Core ML附帶的即用型模型，這意味着我們可以使用APP用戶生成的新數據進行演變。設備上（on-device ）的再訓練僅支持神經網絡和KNN模型類型，並且要確保再訓練不涉及任何外部服務，因此我們的數據不需要離開我們的設備。相反地，之前版本的Core ML依賴於服務器端的訓練。雖然設備上的訓練開闢了許多新的可能性，但由於再訓練不是一項簡單的任務，它在UI上也帶來了一定的複雜性。此外，需要以某種方式保存新的設備上生成的模型，來確保它們可以跨設備或在刪除又重新安裝APP後使用。
在較低的層級，Core ML 3支持100多種神經網絡層類型。每種層類型都專注於一種任務，例如舍入值、輸入限制等。大約70個可用的新層意味着我們可以將更復雜的神經網絡轉換爲Core ML而無需使用自定義層。查看蘋果官方文檔可獲取所有新層類型的完整枚舉。
Core ML 3.0包含在iOS 13中，需要在MacOS 10.15上進行開發。目前註冊開發人員可以使用iOS 13和MacOS 10.15的測試版。
原文鏈接：
Core ML 3 Extends Available Model Types, Adds On-Device Model Retrain