【大咖来了】有道周枫：苹果Core ML对移动端深度学习的意义

【大咖小传】

周枫博士现任网易高级副总裁，网易有道CEO。周枫在清华大学取得计算机科学学士和硕士学位，在加州伯克利大学取得计算机科学博士学位，曾在多个顶级国际学术会议和期刊上发表超过10篇论文。周枫加入网易后，主持有道词典开发、有道搜索平台架构、有道云笔记和密码认证系统“将军令”开发等，将有道词典打造成了份额第一的词典与翻译产品，用户量超过6亿。目前，周枫带领有道的NMT团队攻坚基于人工智能的神经网络翻译（NMT）技术，并开始进军在线教育领域。

——————————————————————————

在上周WWDC苹果发布的一系列软硬件产品中，CoreML看起来是很不起眼的一个。简单来说，它是秋季正式上市的iOS11新增的人工智能编程框架，让开发者可以更方便地为App增加基于人工智能算法的功能。

关注人工智能或深度学习的产品和技术人员应该重视CoreML，CoreML是第一个较完善的手机端人工智能框架，利用它可以做出创新的功能。

目前国内探讨比较多的数据处理办法，仍然是利用人工智能在云端处理大数据。相对云端的处理，手机端的人工智能至少有这样几点好处：

• 响应更快，避免网络通信延迟；

• 节省流量，不需要上传数据；

• 可以实时处理视频，解决了上传和处理视频速度慢的问题；

• 对开发者更便宜，省去了租用服务器的成本。

近两年以来，移动SoC（系统级芯片）的处理能力，终于可以有效运行实用化的深度学习算法了（iPhone7的GPU计算能力大约是200Gflops），所以这时候推出CoreML，苹果做到了领先一步。相比较来说，Android上同样用于移动机器学习的TensorflowLite成熟度看起来差不少。

和Tensorflow、Caffe等深度学习框架不同，CoreML是完全聚集于在设备端本地进行深度学习推理的框架，而其它框架除了支持本地设备端同时也支持云端，能够推理也支持训练。

• 集中力量的一个结果是CoreML性能更优。苹果宣传Inception v3速度是Tensorflow的6倍，这是通过MetalAPI对于GPU能力充分利用的结果。

• 另一个结果是，CoreML看起来更方便使用。苹果很聪明的定义了一个标准的模型格式（.mlmodel），提供了流行的框架模型到该格式的转换工具，比如你可以将你的Caffe模型转换成CoreML的模型格式。这样就可以利用各个模型的训练阶段，而不像TensorflowLite只能使用Tensorflow模型。模型训练好了之后，只要拖放到XCode中就可以使用，苹果甚至把接口的Swift代码都给你生成好了，非常方便。