是否可以在应用程序运行时在设备上训练 CoreML 模型？
Is it possible to train a CoreML model on device as the app runs?
是否可以发布带有 CoreML 模型的 iOS 应用，然后让该应用根据用户行为等在设备上继续改进（训练）模型？因此，该模型将在不需要服务器支持的情况下在设备上不断增长和改进...
答案是肯定的
由于 CoreML 3 得到了极大的优化 – 答案是肯定的，当您的应用程序 运行.
但是，使用 CoreML 2 无法在设备上训练模型，因为 运行 CoreML 2 应用程序与 [= 相比训练模型需要相当多的功率10=]。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。在 CoreML 2 中，您的 ML 模型必须预先配置，并且您必须在那个阶段包括所有预处理技术，例如 Edge Detection 或 Frame Differencing。
现在可以使用 Core ML 3。
https://developer.apple.com/videos/play/wwdc2019/704/
跳至 9:00 以查看实际效果。如果您只需要代码，请跳至 13:50.
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。
是否可以发布带有 CoreML 模型的 iOS 应用，然后让该应用根据用户行为等在设备上继续改进（训练）模型？因此，该模型将在不需要服务器支持的情况下在设备上不断增长和改进...
答案是肯定的
由于 CoreML 3 得到了极大的优化 – 答案是肯定的，当您的应用程序 运行.
但是，使用 CoreML 2 无法在设备上训练模型，因为 运行 CoreML 2 应用程序与 [= 相比训练模型需要相当多的功率10=]。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。在 CoreML 2 中，您的 ML 模型必须预先配置，并且您必须在那个阶段包括所有预处理技术，例如 Edge Detection 或 Frame Differencing。
现在可以使用 Core ML 3。 https://developer.apple.com/videos/play/wwdc2019/704/ 跳至 9:00 以查看实际效果。如果您只需要代码，请跳至 13:50.
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。