1. 前言
CoreML是什么，有什么用？
Core ML是iOS11新推出的机器学习使用框架。在此框架之上还有两个集成度较高的框架：Vision 和 NLP（分别是图像处理和文字处理领域的机器学习框架）。
根据Apple WWDC 2017的Core ML相关的两个Session来看，Core ML更多的是作为一个中间层：Core ML起到的作用是承上启下，承接各种机器学习的社区产生的算法模型，经过Core ML将其封装成简单易用的.mlmodel，开启APP离线应用各类封装好的算法模型，达到离线高效计算的效果，从而使得APP体验提高。
2. 如何使用CoreML：Demo
此处Demo使用的图片分类器，使用的是苹果给出的开源机器学习模型，下载模型在此处：https://developer.apple.com/machine-learning/
下载之后的模型在OS X下长这样：
如何使用？直接拖进Xcode项目中！
拖进项目中之后，加油一步细节操作：将模型点开，右侧加入项目中的Target：
这样之后就可以看到.mlmodel会自己生成Swift或者OC类：
然后就可以直接在代码中使用相关类了：
let mlmodel = Resnet50()
let result = try? mlmodel.prediction(image: ImageProcessor.pixelBuffer(forImage: imageTopredict.cgImage!)!)
print("\(result?.classLabel ?? "nil")")
是的你没有看错，就是这两行代码，就可以使用高大上的机器学习以及深度学习产生的模型了。
但是其实还有一些处理，例如mlmodel的prediction方法的参数是：CVPixelBuffer格式，我这里使用了一个专有类来做CGImage和CVPixelBuffer之间的转换（Github上有）
产生的result是一个类，不同的模型会有不同的类定义，这里这个result格式如下：
打印result的结果就可以看到模型产生的预测了，下面是我Demo的截图：
3. 结语
看起来Core ML并没有太多神秘之处，就是对机器学习&深度学习训练好的模型的很好的应用。这里描述了如何使用这个模型，但是没有描述如何将社区中的模型转换成.mlmodel（苹果的Core ML Tools可以做到这一点）。
下面是我的demo的Github地址，希望能够帮助大家（这篇文章写的比较快，希望大家谅解文章看起来可能有点乱）
因为Resnet50太大上传不了github，我把模型换成了较小的MobileNet.mlmodel
地址在此：Demo地址
