Wprowadzenie
<strong>CoreML</strong> to framework Apple do uruchamiania modeli uczenia maszynowego bezpośrednio na urządzeniach Apple (iPhone, iPad, Mac, Apple Watch, Apple TV). Został wprowadzony w 2017 roku i jest zoptymalizowany pod kątem Neural Engine (ANE) oraz CPU/GPU.
Główne zalety CoreML
- Uruchamianie modeli lokalnie – bez wysyłania danych do chmury (prywatność)
- Automatyczna optymalizacja pod Neural Engine
- Niskie zużycie baterii i wysoka wydajność
- Łatwa integracja z Swift i Objective-C
- Obsługa wielu typów modeli (image, text, sound, tabular, recommendation)
Jak działa CoreML?
- Trenujesz model w dowolnym frameworku (PyTorch, TensorFlow, scikit-learn…)
- Konwertujesz go do formatu <code>.mlmodel</code> lub <code>.mlpackage</code> (za pomocą coremltools)
- Integrujesz model w aplikacji Swift przy użyciu <code>MLModel</code>
- Uruchamiasz inferencję – CoreML automatycznie wybiera najlepsze przyspieszenie (ANE / GPU / CPU)
Narzędzia powiązane z CoreML
- <strong>Create ML</strong> – budowanie modeli bez kodu (w macOS)
- <strong>coremltools</strong> – konwersja z PyTorch, TensorFlow, ONNX
- <strong>MLC (ML Compute)</strong> – trenowanie na Macach
- <strong>CoreML Stable Diffusion</strong> – oficjalne wsparcie dla generowania obrazów
Aktualny stan (2026)
CoreML 4+ wraz z Apple Intelligence mocno ewoluował. Apple wprowadziło wsparcie dla dużych modeli językowych (LLM), modeli generatywnych oraz zaawansowanego Mixed Precision. CoreML pozostaje jednym z najwydajniejszych frameworków do on-device AI, szczególnie w ekosystemie Apple.
Powiązane pojęcia
Adversarial Machine Learning→Decentralized Machine Learning→Double Machine Learning→Extreme Learning Machine→Interactive Machine Learning→Machine Learning→Quantum Machine Learning→Recommendation Engine→
Dodano: 17 maja 2026