CoreML在EBooking APP中的实践和应用

1、CoreML在EBooking APP中的实践和应用技术创新，变革未来背景成果难点展望core ML移动化办公民宿、酒店式公寓位置选择酒店价格交通设施背景选择酒店背景iOS单平台页面点击量大人均访问次数较多费力度方案用户事先分类服务端返回图片分类方案用户事先分类准备工作长费力度减少不明显方案服务端返回图片分类费力度减少明显需要网络协助Core ML成果94.1% 点击率减少16.74倍点击量减少费力度降低成果数据对比1.02.03.0移动端机器学习CoreML模型更小 75%识别更快 30%输入量化权重输出增加定制化精度本地模型个性化神经网络支持和优化 性能优化更多种类的数据支持CoreML

2、架构底层主要由 Accelerate and BNNS（Basic neural network subroutines） 和 Metal Performance Shaders（卷积神经网络（CNN）使用先前获得的训练数据实现和运行深入学习.BNNS 是 Accelerate 框架的一部分，主要是充分利用CPU的快速矢量指令，并提供一套数学函数。CNN 是机器学习算法，负责训练模型。CNN训练神经网络模型主要是由三部分组成：卷积：对图像矩阵进行卷积处理，利用滤镜（矩阵）覆盖执 行逐元素乘积来降维特征提取，再利用池化（Pooling）进一 步合并特征得到图片特征值矩阵集激活函数：利用特定函数为

3、卷积结果加入一些非线性因素， 将无界的结果转换为可预测形式的输出。将图片特征转换为 图片向量损失函数：根据训练结果自动调整激活函数权重和偏差，重 复训练来提高准确率。用在不同图片分类器中，底层的逻辑被提取出来，做成了引用这样多个模型就不用每次拷贝同一份底层逻辑，这也使得每个 模型的大小缩小了一半左右。Core ML高性能可以无网络操作隐私性机器学习的一个重要应用领域就是事先使用大量数据训练机器，让训练后的机器在面对从 未见过的数据时能做出相应的判断。对机器的训练会产生一个关于特定问题的模型，对模型输入特定的数据，模型返回的判断 的结果就是输出。Core ML实际做的事情是使用事先训练好的模型（

4、trained model），在本地进行计算，最终 返回结果。Use Core ML to integrate machine learning models into your app. Core ML provides a unified representation for all models. Your app uses Core ML APIs and user data to make predictions, and to train or fine-tune models, all on the users device.识别签转流程难团点队数据模型数据准确性精度平衡数据模型现有模型？新建模型？数据准确性室内泳池室外泳池用户敏感度高，需要精确区分数据准确性中餐厅西餐厅用户敏感度低，可以粗略区分精度 增加迭代不断增加迭代次数 ？精度 丰富照片每张图片做多种处理？平衡不停的增加图片？平衡数据模型页 面 访 问 量展团望队Android丰富AI场景算法透明，接入简单建模工具容易上手华为 Model Creator仅支持华为手机支持Retrain自建模型支持多平台API丰富，资料较全Tenso