在WWDC 2017开发者大会上，苹果宣布了一系列新的面向开发者的机器学习 API，包括面部识别的视觉 API、自然语言处理 API，这些 API 集成了苹果所谓的 Core ML 框架；参阅机器之心报道《苹果开发者大会 WWDC 2017：首次全面展示苹果的人工智能实力》。软件主管兼高级副总裁 Craig Federighi 介绍说，Core ML 的核心是加速在 iPhone、iPad、Apple Watch 上的人工智能任务，支持深度神经网络、循环神经网络、卷积神经网络、支持向量机、树集成、线性模型等。大会之后，苹果开发者网站更新了相关文档，对 Core ML 进行了更加详细的介绍。机器之心在本文中对该文档的内容进行了翻译和整理。更多详情可访问原文档。
Core ML 文档地址：https://developer.apple.com/documentation/coreml
Core ML 介绍
使用 Core ML，你可以将训练好的机器学习模型整合到你的应用中。它支持以下操作系统：
iOS 11.0+Beta
macOS 10.13+Beta
tvOS 11.0+Beta
watchOS 4.0+Beta
训练好的模型（trained model）是将一个机器学习算法应用到一个训练数据集之后所得到的结果。然后该模型可以基于新的输入数据而进行预测。比如，如果一个模型在一个地区的历史房价数据上进行了训练，那么它就可能能够根据房子的卧室和浴室数量来预测房价。

Core ML 是域特定的框架和功能的基础。Core ML 支持用于图像分析的 Vision；用于自然语言处理的 Foundation（比如 NSLinguisticTagger 类）和用于评估已经学习到的决策树的 GameplayKit。Core ML 本身构建于低层面的原语（primitives）之上，比如 Accelerate、BNNS 和 Metal Performance Shaders。

Core ML 为设备性能进行了优化，从而减少了内存占用和功耗。严格在设备上运行能够确保用户数据的隐私，并且能保证你的应用在没有网络连接时也能够工作和响应