Просмотрщик моделей нейросетей, глубокого и машинного обучения с поддержкой ONNX, TensorFlow, PyTorch, Core ML и многих других форматов.
apple/coremltools
Python-пакет для преобразования обученных моделей TensorFlow, PyTorch, scikit-learn, XGBoost и LibSVM в формат Apple Core ML.
- Звёзды
- 5,437
- Форки
- 868
- Открытые issues
- 542
- Последний коммит
- 22 дня назад
Что это?
Core ML Tools (coremltools) — Python-пакет для преобразования моделей машинного обучения из сторонних библиотек в формат Apple Core ML, чтобы запускать их в приложениях для iOS, macOS и других платформ Apple. Поддерживаются TensorFlow 1.x и 2.x, PyTorch, а также библиотеки для работы с моделями без нейросетевой архитектуры: scikit-learn, XGBoost и LibSVM.
Помимо преобразования, пакет позволяет читать, записывать и оптимизировать существующие модели Core ML. В macOS он также может проверять результат преобразования, запуская предсказания с помощью Core ML. После преобразования модель добавляют в проект Xcode и вызывают через API Core ML.
Пакет можно установить из PyPI с помощью pip. Он распространяется по лицензии BSD-3-Clause. В документации есть руководство с примерами и справочник по API.
Ключевые возможности
- 01Преобразует модели TensorFlow, PyTorch, scikit-learn, XGBoost и LibSVM в формат Core ML.
- 02Читает, записывает и оптимизирует существующие модели Core ML.
- 03Проверяет результаты преобразования, запуская предсказания с помощью Core ML в macOS.
- 04Устанавливается из PyPI с помощью pip.
Сценарии использования
- Добавить модель PyTorch или TensorFlow в приложение для iOS или macOS.
- Развернуть модель scikit-learn или XGBoost на устройствах Apple.
- Просматривать или редактировать существующую модель Core ML из Python.
Быстрый старт
- 1
Установите последнюю стабильную версию из PyPI с помощью pip
pip install coremltools
Что важно знать
- Для запуска прогнозов и проверки преобразований требуется macOS.
- Для использования всех функций необходим фреймворк Core ML, доступный только на платформах Apple.
Темы
Частые вопросы
- Что такое coremltools?
- Python-пакет для преобразования обученных моделей TensorFlow, PyTorch, scikit-learn, XGBoost и LibSVM в формат Apple Core ML. Core ML Tools (coremltools) — Python-пакет для преобразования моделей машинного обучения из сторонних библиотек в формат Apple Core ML, чтобы запускать их в приложениях для iOS, macOS и других платформ Apple. Поддерживаются TensorFlow 1.x и 2.x, PyTorch, а также библиотеки для работы с моделями без нейросетевой архитектуры: scikit-learn, XGBoost и LibSVM.
- coremltools можно использовать бесплатно? Какая у него лицензия?
- coremltools распространяется с открытым исходным кодом под лицензией BSD-3-Clause. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- coremltools всё ещё поддерживается?
- Активно поддерживается. Последний коммит в coremltools — 30 сент. 2026 г..
- Для чего можно использовать coremltools?
- Добавить модель PyTorch или TensorFlow в приложение для iOS или macOS. Развернуть модель scikit-learn или XGBoost на устройствах Apple. Просматривать или редактировать существующую модель Core ML из Python.
- Как установить coremltools?
- Установите последнюю стабильную версию из PyPI с помощью pip: pip install coremltools
- Где скачать coremltools?
- Исходный код и инструкции по установке — на GitHub: https://github.com/apple/coremltools
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Keras 3 — фреймворк для глубокого обучения, работающий на JAX, TensorFlow, PyTorch или OpenVINO для инференса.
Кроссплатформенный ускоритель для запуска ML-моделей, экспортированных в формат ONNX, с поддержкой обучения с помощью PyTorch-скриптов.
Библиотека Python для преобразования кода машинного обучения между фреймворками, включая PyTorch, TensorFlow, JAX и NumPy, с помощью ivy.transpile.
Python-библиотека и облачная платформа для отслеживания, визуализации и управления экспериментами машинного обучения, датасетами и моделями.
Учебная программа Microsoft по ИИ для начинающих: 12 недель и 24 урока о символическом ИИ, нейросетях, компьютерном зрении, NLP и этике, с ноутбуками на PyTorch и TensorFlow.