官方文档：https://developer.apple.com/documentation/coreml
Core ML
将机器学习模型集成到应用程序中。
Overview
使用 Core ML，您可以将经过训练的机器学习模型集成到应用程序中。
一个训练模型(trained model)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，一个被训练在一个地区的历史房屋价格上的模型可以在给定卧室和浴室数量的情况下预测一所房子的价格。
Core ML是特定领域框架和功能的基础。Core ML支持图像分析的视觉，自然语言处理的基础（例如，NSLinguisticTagger 语言标记类），和用于评估学习决策树的游戏模块。Core ML本身建立在低级原语之上，如加速和BNNs，以及金属性能着色器。

Core ML是优化的设备性能，最大限度地减少内存占用和功耗。严格地在设备上运行确保用户数据的隐私，并保证当网络连接不可用时，应用程序仍然保持功能和响应。
Topics
First Steps
Getting a Core ML Model
Obtain a Core ML model to use in your app.
获取Core ML模型
获取应用程序中使用的Core ML模型。
Core ML支持多种机器学习模型，包括神经网络、树集成、支持向量机和广义线性模型。核心ML需要Core ML模型格式（具有.mlmodel文件扩展名的模型）。
Apple提供了几种流行的开源模型，它们已经成为Core ML模型格式。你可以下载这些模型并开始在你的应用程序中使用它们。此外，不同的研究小组和大学发布他们的模型和训练数据，这些数据可能不在Core ML模型格式中。要使用这些模型，您需要转换它们，如将经过训练的模型转换为核心ML。
模型下载链接：https://developer.apple.com/machine-learning/run-a-model/
模型转换类型和方法请访问：https://developer.apple.com/documentation/coreml/converting_trained_models_to_core_ml
Integrating a Core ML Model into Your App
Add a simple model to an app, pass input data to the model, and process the model’s predictions.
将Core ML模型集成到应用程序中
向应用程序添加一个简单模型，将输入数据传递给模型，并处理模型的预测。
Converting Trained Models to Core ML
Convert trained models created with third-party machine learning tools to the Core ML model format.
将训练模型转换为Core ML
用第三方机器学习工具将训练过的模型转换为Core ML模型格式。
Computer Vision
Classifying Images with Vision and Core ML
Preprocess photos using the Vision framework and classify them with a Core ML model.
用视觉和Core ML分类图像
使用视觉框架预处理照片，并将其分类为Core ML模型。
App Size Management
Reducing the Size of Your Core ML App
Reduce the storage used by the Core ML model inside your app bundle.
减少Core ML应用程序的大小
减少Core ML模型在应用程序包中使用的存储空间。
Core ML API
Core ML API
Use the Core ML API directly to support custom workflows and advanced use cases.
Core ML API
直接使用Core ML API支持自定义工作流和高级用例。
Sentiment Analysis
Handwriting Recognition
Translation
Scene Classification
Style Transfer
Music Tagging
Predicting Text
ml学习社区：
caffe keras xgboost learn turi libsvm
python