Skip to main content

> ML_KUTUPHANE // COREML_v1.0

Core ML

Apple — Makine öğrenimi modellerini donanım hızlandırmasıyla Apple uygulamanıza entegre edin.

client-edge-embeddedvCore ML 8 (macOS 15 / iOS 18)Proprietary Apple Frameworkqualified
Resmi DokümantasyonKaynak Kod Deposu

Model Eğitimi (Training)

Desteklenmiyor

Bu kütüphane optimize edilmiş bir inference motorudur; model eğitimi için kullanılmaz.

Model Sunumu (Inference)

Destekleniyor
Inference Hızlandırıcıları:
CPUMPS
Hedef Ortamlar (Targets):mobile, edge
Kuantizasyon Formatları:PALETTIZATION (2-bit to 8-bit), LINEAR_QUANTIZATION (INT8), FP16

Neleri Sağlar (Ne Yapar)

  • +Apple Neural Engine (ANE) üzerinde ultra düşük pil tüketimiyle derin modeller çalıştırma
  • +Xcode otomatik kod üretimiyle Swift ve SwiftUI uygulamalarına doğrudan entegrasyon
  • +Apple Silicon üzerinde KV-cache kalıcılığına sahip durum bilgili transformer desteği

Neleri Sağlamaz (Ne Yapmaz)

  • -Android, Linux, Windows veya bulut sunucu donanımlarında çalışma
  • -Modelleri sıfırdan eğitme
  • -Yerel WebKit köprüsü olmadan standart tarayıcılarda çalışma

>Uygun İş Tipleri

  • iOS/macOS uygulamalarında gerçek zamanlı fotoğraf ve video işleme
  • Apple donanımlarında açık LLM'ler ile gizli cihaz içi metin üretimi
  • Apple cihazlarında cihaz içi ses tanıma ve konuşma deşifresi

>Uygun Olmayan İş Tipleri

  • Apple dışındaki platformlar arası mobil uygulamalar (ONNX Runtime veya TFLite tercih edin)
  • Bulut Linux çok kiracılı model sunumu
Veri Yerleşimi ve İkameti

%100 aygıt üzerinde yerel bellek. Apple cihaz içi gizlilik standartlarına tam uyumludur.

Güvenlik Değerlendirmesi

Core ML modelleri Apple uygulama kum havuzu (sandbox) içinde güvenle çalışır.

Operasyonel Metrikler ve Bilinen Kısıtlar

Olgunluk:mature
Öğrenme Eğrisi:low
Operasyon Yükü:low
Maliyet Seviyesi:free-oss
> Bilinen Kısıtlamalar:
  • Kesin platform bağımlılığı: Yalnızca Apple işletim sistemlerinde (iOS, macOS, visionOS) çalışır.
  • Modellerin GPU/CPU yerine Apple Neural Engine (ANE) üzerinde çalışması için katı kısıtlamaları karşılaması gerekir.

İlişkili Üretim Arıza Paternleri (Incidentpedia)

Bu kütüphaneyi üretimde kullanırken aşağıdaki arıza senaryolarına karşı fail-closed korumalar uygulayın:

training-serving-skew

> Birincil Kanıt ve Doğrulama Kaynakları

Apple Core ML Documentationofficial-docs • Core ML 7 to Core ML 8
2026-09-25HIGH