是否可以在应用程序运行时在设备上训练 CoreML 模型？答案

【问题标题】：Is it possible to train a CoreML model on device as the app runs?是否可以在应用程序运行时在设备上训练 CoreML 模型？
【发布时间】：2018-10-08 17:37:40
【问题描述】：

是否可以使用 CoreML 模型发布 iOS 应用程序，然后让应用程序根据用户行为继续改进（训练）设备上的模型？因此，该模型将在设备上不断增长和改进，而无需服务器支持...

【问题讨论】：

这会很有趣，但我不相信这是可能的......
不幸的是，我认为现在无法做到这一点。您可以通过 REST API 将数据反馈回您的服务器，以便为将来的版本提供更多训练数据。
没有。培训涉及应用程序更新，这意味着得到 Apple 的批准。您有一些（次优）选项。 (1) 完成审批流程，该流程可能在一天内完成。 (2) 将您的应用程序绑定到服务器提供的模型。 (3) 其他人没有做过并且苹果会批准的事情。 CoreML 工作流程基于在将模型导入CoreML 之前对其进行训练。您可以尝试等待两个月，看看他们在 WWDC '19 上有哪些改进，但我不会屏住呼吸。
就像其他人指出的那样，目前很难或不可能做你想做的事。训练是一项非常昂贵的操作，训练模型需要大量时间。这就是为什么在服务器上而不是在设备本身上执行此操作的原因。已经说过你应该能够将信息发送到服务器并训练模型，然后最终下载模型。
之前评论者写的都是真的。然而......从 iOS 11.3 开始，Core ML 构建在其之上的 MPS 框架（至少对于 GPU 计算而言）可以在设备上进行训练。 Core ML 将在 iOS 12 中获得类似的功能似乎是合理的。此外，它有点 hacky，但你可以自己编写训练代码（可能使用 MPS），然后用你的 mlmodel 文件中的新参数覆盖旧的学习参数并编译将其导入设备上的新 Core ML 模型中。

标签： ios swift machine-learning coreml apple-vision

【解决方案1】：

答案是肯定的。

由于CoreML 3 得到了极大优化——答案是肯定的，您可以在应用运行时在设备上训练 CoreML 模型。

但是，使用CoreML 2 无法在设备上训练模型，因为与CoreML 3 相比，运行CoreML 2 应用程序需要相当多的功率来训练模型。这就是为什么使用具有强大 GPU 的台式机和云计算机来创建预训练模型的原因。在 CoreML 2 中，您的 MLmodel 必须预先配置，并且您必须在该阶段包含所有预处理技术，例如 Edge Detection 或 Frame Differencing。

【讨论】：

【解决方案2】：

现在可以使用 Core ML 3。 https://developer.apple.com/videos/play/wwdc2019/704/ 跳到 9:00 以查看它的运行情况。如果你只是想要代码，请跳到 13:50。

【讨论】：

是的，看到了。感谢您发布此内容。好东西。
当我在 Mac 上使用“创建 ML”工具创建模型时，模型没有“更新”并且 XCode 没有生成训练输入类。有关如何创建空模型并使用该应用在设备上对其进行训练的任何 src 代码？

【解决方案3】：

我正在尝试做同样的事情。显然，当您使用 coremltools 将模型转换为 Core ML 格式时，您可以将“respect_trainable”参数传递给转换器，它会自动使模型可更新。

【讨论】：