2020年，移動設備上的機器學習將不再是什麼熱門的新事物。在移動應用中添加某種智能已經成爲一種標準做法。幸運的是，這並不意味着蘋果已經停止了創新。在這篇博文中，作者將總結一下Core ML的新特性以及蘋果生態系統中的其他AI和ML技術。
2020年，移動設備上的機器學習將不再是什麼熱門的新事物。在移動應用中添加某種智能已經成爲一種標準做法。
幸運的是，這並不意味着蘋果已經停止了創新。
在這篇博文中，我將總結一下Core ML的新特性以及蘋果生態系統中的其他AI和ML技術。
Core ML
去年Core ML有很大的更新，但今年的改進要溫和得多：幾個新的層類型、對加密模型的支持，以及在CloudKit上託管模型更新的能力。
版本號似乎被去掉了。去年的更新名爲Core ML 3，但是現在的名稱是Core ML，沒有了編號。然而，coremltools確實升到了版本4。
注意：內部的mlmodel規範版本號現在是5，所以新的模型在Netron中將顯示爲“Core ML v5”。
Core ML中新增的層類型
新增的層類型包括：
Convolution3DLayer、Pooling3DLayer、GlobalPooling3DLayer：這些類型在處理視頻數據時特別有用，現在你是用Vision框架來做這些事情。（Core ML仍然沒有明確支持1D卷積，不過你可以使用常規的2D卷積層。）OneHotLayer：對輸入進行獨熱編碼。ClampedReLULayer：有最大值的ReLU激活函數（可用於生成ReLU6）。ArgSortLayer：對輸入張量進行排序。它將返回排好序的索引，而不是排序後的值。Core ML中沒有常規的排序層，但是你可以使用GatherLayer來重新排序argsort輸出的元素。CumSumLayer：計算輸入張量的累積和。SliceBySizeLayer：Core ML已經有了幾種類型的切片層。這個允許你傳入一個張量，包括切片起始索引；切片的大小是固定的。
原文鏈接:【https://www.infoq.cn/article/jjjqW478INFrIwtuPPTW】。未經作者許可，禁止轉載。