#Core ML

Turi Create是一款简化机器学习模型开发的工具，适合非专业人士使用。它支持添加推荐、目标检测、图像分类、图像相似度和活动分类等功能。工具兼容文本、图像、音频、视频和传感器数据，提供内置可视化和快速扩展性，并支持导出模型到Core ML，用于iOS、macOS、watchOS和tvOS应用。

本页面全面介绍了如何利用Apple Neural Engine提升机器学习模型的性能，并指出其局限性。探讨NPU的工作原理，解答常见问题，解析部分Core ML模型为何无法充分利用ANE。还提供了具体设备支持列表和编程指南，帮助开发者优化模型，实现iPhone和iPad上的最佳计算性能。

提供多种分类、检测、分割、超分辨率、低光增强、图像恢复和生成等Core ML模型资源，方便iOS开发者下载并集成到Xcode项目。通过Google Drive下载并参照示例项目了解具体使用方法。

🤗 Exporters工具包旨在简化将Transformer模型转换为Core ML格式的过程，避免手动编写转换脚本。它与Hugging Face Transformers库紧密集成，并提供无代码转换体验，支持BERT和GPT-2等多种模型架构。工具包可在Linux和macOS平台上运行，利用coremltools实现从PyTorch或TensorFlow到Core ML的转换，并通过Hugging Face Hub进行模型管理，提升模型转换和部署的便捷性及灵活性。

Mochi Diffusion使Mac用户可以本地运行Stable Diffusion，充分利用Apple Silicon的Neural Engine来提升性能和速度，并减少内存消耗。应用具有图像生成、图像转高分辨率和离线操作等功能，还支持自定义模型，并保留生成图像的元数据。

coremltools工具可以将TensorFlow、PyTorch、scikit-learn等机器学习模型转换为Core ML格式，并支持对这些模型的读写、优化和验证。这些模型可以无缝集成到Xcode项目中使用。

ml-stable-diffusion是一个开源项目,旨在优化Stable Diffusion模型在Apple设备上的运行。它包含用于模型转换的Python工具和用于iOS/macOS应用集成的Swift包。通过权重压缩等技术,该项目显著提升了性能和内存效率,使开发者能够在Apple平台应用中实现高质量的AI图像生成。

swift-coreml-diffusers项目展示如何在Swift应用中集成Apple的Core ML Stable Diffusion实现。该应用支持macOS和iOS设备，采用DPM-Solver++调度器提高性能。首次启动时自动下载量化Core ML模型，可利用CPU、GPU和Neural Engine加速。项目适合快速迭代开发，也可作为在Apple设备上实现AI图像生成的示例代码。

DiffusionKit是一个针对Apple Silicon芯片优化的扩散模型工具包。该项目包含用于将PyTorch模型转换为Core ML格式的Python组件，以及用于设备端推理的Swift组件。通过集成MLX，DiffusionKit实现了高效的图像生成，并为Stable Diffusion 3和FLUX等模型提供了简洁的命令行和API接口。这一工具为在苹果设备上进行AI图像生成研究和应用开发提供了实用解决方案。