我最近一直在研究如何将iOS开发者的机器学习版本集成到我的应用中。由于这是我第一次接触与机器学习相关的内容，当我开始阅读苹果提供的不同模型描述时，我感到非常迷茫。它们有着相同的目的/描述，唯一的区别在于实际文件的大小。这些模型之间有什么区别？你如何知道哪个最适合？

回答：

苹果提供的模型仅用于简单的演示目的。大多数情况下，这些模型不足以用于你自己的应用。

苹果下载页面上的模型是为一个非常特定的目的训练的：在ImageNet数据集上进行图像分类。这意味着它们可以接收一张图像，并告诉你图像中的“主要”对象是什么，但前提是它必须是ImageNet数据集中1,000个类别中的一个。

通常，这并不是你在自己的应用中想要做的。如果你的应用想要进行图像分类，通常你希望在自己的类别上（如食物或汽车或其他任何东西）训练一个模型。在这种情况下，你可以使用像Inception-v3（原始版本，不是Core ML版本）这样的模型，并在你自己的数据上重新训练它。这将为你提供一个新的模型，然后你需要再次将其转换为Core ML格式。

如果你的应用想要做的事情不是图像分类，你可以将这些预训练模型用作更大神经网络结构中的“特征提取器”。但同样，这涉及到训练你自己的模型（通常是从头开始），然后将结果转换为Core ML格式。

因此，只有在非常特定的用例中——使用1,000个ImageNet类别进行图像分类——这些苹果提供的模型对你的应用才有用。

如果你确实想使用这些模型中的任何一个，它们之间的区别在于速度与准确性之间的权衡。较小的模型速度最快，但准确性也最低。（在我看来，VGG16不应该在移动设备上使用。它实在太大了，而且它的准确性并不比Inception甚至MobileNet高。）