【IT168 评论】近两年，一向对人工智能闭口不谈的苹果也开始搞起了深度学习，随着Core ML的推出，苹果已经开始将深度学习的优势推向移动设备，从而有效延长电池寿命并提高性能。正如某风险投资公司顾问而言：机器学习是一切的基础技术，苹果的Core ML虽然有限，但却表明机器学习将是未来的主流技术。本文，我们就来对比苹果Core ML、谷歌TensorFlow Lite以及国内比较流行的Facebook的Caffe2系列。
深度学习取决于大量的训练数据。一旦找出了预测模型，需要为机器提供大量的数据，培养机器“理解”数据并对模型进行微调，由于需要大量数据(这会导致计算能力的降低)，所以大部分深度学习都是云计算。
▲图片源于网络
随着Core ML以及智能手机AI专用芯片(如果iPhone 8传言是真的话)的推出，苹果正在将深度学习推向其移动设备。虽然苹果也继续需要在云中提升其机器学习的能力，但将机器学习推向移动设备有着显著优势。
苹果官方对此是这样回应的：
Core ML针对移动设备性能进行了优化，最大限度地减少内存占用和功耗。严格按照设备运行确保用户数据隐私，并确保应用程序在网络连接不可用时保持正常的功能和响应。
据悉，Core ML大概是如下所述这样的：
开发人员只需将.mlmodel文件放入项目中，Xcode将自动生成Swift或Objective- C包装类，模型具有易用性。同时，Core ML提供了主流框架到该格式的转换工具，比如可以将Caffe模型转换成CoreML的格式。
反馈回路很快，其开发商Said Ozcan表示，其速度基本可以达到没有任何时间间隔的情况下，用户就可以看到预测结果。
通过移动端深度学习框架的推出，将不需要在云端拥有一大批的服务器，可以利用现成的移动设备上的数据来训练模型，并逐步改善用户体验，不需要等待被调整的模型与云端之间往返。所有培训数据都将保留在用户的移动设备上，而不必单独更新存储在云端。
Core ML集中于移动端本地的深度学习，性能更优。
▲图片源于网络
当然，它也有一些缺点：
由于它还很新(苹果在WWDC2107大会上推出)，Core ML没有为模型培训和联合学习提供任何规定。用户很可能需要自己收集数据，并使用该数据重新训练未来版本。
谷歌目前已经推荐了联合学习的方式，但苹果并没有。联合学习需要从业者采用新的工具和思维方式来进行模型开发、培训和评估，不需要直接访问或标注原始数据，而通信成本则是其限制因素。
大部分深度学习包或框架都是开源的，Core ML并未开源。
不支持云端处理。
接下来再来看看谷歌的TensorFlow Lite，在Google IO开发者大会上刚一露面，就激起了开发人员的广泛讨论。众多周知，TensorFlow Lite将作为TensorFlow开源项目的一部分，其第一大优势就是开源，该项目将从TensorFlow的支持者中获益;其次，TensorFlow Lite既支持移动设备本地处理，也支持云端处理，既能推理也可训练;TensorFlow Lite利用了新的神经网络API和特定的加速器;TensorFlow已经成为了深度学习领域的主流框架，TensorFlow Lite自然也会传承其成熟的技术。
▲图片源于网络
TensorFlow的支持者也曾尝试过移动端应用，其官方Github上也提供了有限的Android和iOS支持，不过，适用于移动设备的完整 TensorFlow 库将会使App大小增加20M以上。谷歌可能也因此看到了开发人员对移动端深度学习工具的需求，TensorFlow Lite才得以出现。目前的TensorFlow Lite可能在模型适配和处理速度上还需要进一步优化。
当然，TensorFlow Lite和Core ML都不是最先出现的移动端深度学习框架，早在此之前，Facebook就发布了一个适用于移动端的深度学习架构CaffeGo，其对技术进行了一定的优化，比如通过使用移动CPU中被称为NEON的功能，可以显著提高运算速度;优化卷积层的数量;调整了处理过程中的空间分辨率，更早地使用pooling层。今年，Facebook发布的Caffe2正式支持移动平台，可以在iOS、Android以及Raspberry Pi上通过短短几行代码来训练和部署轻量化模型。
▲图片源于网络
通过与众多科技公司合作，Facebook的Caffe2在各个方面都有了不小的进步。与Facebook和谷歌相比，苹果似乎还比较落后。从iCloud、苹果地图再到Siri，苹果似乎一直都在迟到，不知道Core ML的未来如何。
Amazon Web Services发布Rekognition、Polly和Lex等时，也有很多人会抱怨它太基础。AWS则表示，这些服务的目的就是面向自己的开发人员，希望每一个开发人员都可以轻松地接触到深度学习，而不是为了展现深度学习有多复杂，如何眼压竞争对手。
所以，无论如何，苹果的Core ML对它的开发人员是有益的，但TensorFlow Lite和Caffe2更适合进阶的开发人员使用。
