Menü
Developer

Machine Learning: Core ML 2 verspricht mehr Leistung

Mit dem neuen Major Release von Apples Machine-Learning-Framework sollen Entwickler kompaktere Modelle erstellen können, die schneller arbeiten.

vorlesen Drucken Kommentare lesen
Machine Learning: Core ML 2 verspricht mehr Leistung

(Bild: Apple)

Im Rahmen der World Wide Developers Conference (WWDC) 2018 hat Apple eine neue Version des Machine-Learning-Frameworks angekündigt: Core ML 2 vollzieht nicht nur den Schritt auf den Mac, sondern verspricht vor allem höhere Leistung und noch kompaktere ML-Modelle als bisher für den direkten Einsatz auf iOS-Geräten. In den vorangegangenen Releases half das Framework Entwicklern primär dabei, iOS-Apps mit Machine-Learning-Fähigkeiten aufzuwerten – beispielsweise bei der Nutzung der Kamera, der Sprachassistentin Siri oder der Texteingabe via QuickType. Für die Bild- und Sprachverarbeitung stehen die ergänzenden Frameworks "Vision" (Gesichtserkennung, etc.) und "Natural Language" (Spracherkennung, etc.) zur Verfügung, mit denen sich Modelle ebenfalls direkt auf den Geräten berechnen lassen, ohne die Daten auf einen Server übertragen zu müssen.

Mit Create ML erstellte und trainierte Modelle lassen sich über Core ML in Apps einsetzen.

(Bild: Apple)

In Core ML 2 können Entwickler auf eine breite Palette von ML-Modellen zurückgreifen – darunter Standardmodelle wie Tree Ensembles und Support Vector Machines (SVM), aber auch auf über 30 Layer-Typen für Deep Learning. Mit der Einführung von Create ML schafft Apple die Voraussetzung für das Erstellen eigener ML-Modelle. Entwickler sollen das in Playgrounds in Xcode 10 integrierte Framework mit Hilfe von Swift-Code einfach nutzen können, um individuelle Modelle zu gestalten. Um dabei auch Technologien aus den Vision- und Natural-Language-Frameworks einfließen zu lassen, bedarf es nach Einschätzung von Apple nicht einmal tiefgreifender Expertise in Sachen Machine Learning. Die fertigen Modelle lassen sich zudem direkt auf dem Mac mit den eigenen Daten testen und trainieren, ohne einen dedizierten Server einsetzen zu müssen.

Eine komplette Übersicht aller Neuerungen in Core ML 2 sowie detailliertere Informationen zum Bau und Einsatz von Machine-Learning-Modellen finden sich in den Release Notes sowie der Dokumentation zur neuen Version des Frameworks. (map)