Конвертація ML-моделі в Core ML для iOS

Проблеми конвертації в Core ML

Отримати .mlpackage з PyTorch або TensorFlow — задача з конкретними кроками, де кожен може зламатися з неочевидної причини. coremltools не підтримує всі операції — наприклад, einsum, згортки з динамічними розмірами або розгалуження в графі. Пряма конвертація часто видає помилку або призводить до падіння точності на 5–10 %. Ми накопичили досвід вирішення таких кейсів: за 5+ років роботи ми конвертували понад 50 моделей для фінансового сектора, рітейлу та AR-додатків. У середньому інференс на iPhone пришвидшується на 30–50 % після оптимізації під Apple Neural Engine. Замовте конвертацію — отримайте готовий .mlpackage з верифікацією точності.

Чому конвертація в Core ML потребує знань?

coremltools не підтримує всі операції PyTorch/TensorFlow, а для інших потрібне правильне налаштування параметрів. Пряма конвертація часто призводить до помилок або погіршення точності. Ми вирішуємо ці проблеми, підбираючи оптимальні параметри та при необхідності використовуючи кастомні шари.

Підготовка моделі до конвертації

Перед конвертацією модель має бути в eval-режимі з фіксованими вагами. torch.jit.trace вимагає прикладу вхідних даних — він записує граф для конкретного shape. Apple Core ML Tools рекомендують використовувати TorchScript для експорту:

import torch
import torchvision
import coremltools as ct

model = MyModel()
model.load_state_dict(torch.load("weights.pth", map_location="cpu"))
model.eval()

# trace — фіксує граф для конкретного shape
example_input = torch.zeros(1, 3, 224, 224)
traced_model = torch.jit.trace(model, example_input)

# Для розгалужень (if/else) використовуйте torch.jit.script:
# scripted_model = torch.jit.script(model)

# Конвертація в mlprogram
mlmodel = ct.convert(
    traced_model,
    inputs=[ct.ImageType(
        name="input",
        shape=ct.Shape(shape=(1, 3, 224, 224)),
        color_layout=ct.colorlayout.RGB,
        bias=[-0.485/0.229, -0.456/0.224, -0.406/0.225],
        scale=1/(255.0 * 0.229)
    )],
    outputs=[ct.TensorType(name="logits")],
    compute_precision=ct.precision.FLOAT16,
    minimum_deployment_target=ct.target.iOS16,
    convert_to="mlprogram"
)

mlmodel.short_description = "Image classifier"
mlmodel.input_description["input"] = "RGB image 224x224"
mlmodel.output_description["logits"] = "Class probabilities"
mlmodel.save("MyModel.mlpackage")

Якщо пряма конвертація не працює, використовуйте ONNX як проміжний крок: torch.onnx.export(model, example_input, "model.onnx", opset_version=17), потім ct.converters.onnx.convert.

Перевірка коректності конвертації

Порівняйте виходи оригінальної моделі та Core ML на тестовому зображенні:

import numpy as np
import PIL.Image

img = PIL.Image.open("test.jpg").resize((224, 224))

transform = torchvision.transforms.Compose([
    torchvision.transforms.ToTensor(),
    torchvision.transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
])
tensor = transform(img).unsqueeze(0)
with torch.no_grad():
    pytorch_out = model(tensor).numpy()

coreml_out = mlmodel.predict({"input": img})["logits"]

max_diff = np.max(np.abs(pytorch_out - coreml_out))
print(f"Max difference: {max_diff}")

Норма для FP16 — менше 0.01. Якщо різниця більша за 0.05 — перевірте нормалізацію в ct.ImageType.

Налаштування змінних розмірів входу

# Діапазон розмірів
flexible_shape = ct.Shape(
    shape=(1, 3, ct.RangeDim(min_val=64, max_val=1024), ct.RangeDim(min_val=64, max_val=1024))
)

# Набір конкретних розмірів
enumerated_shapes = ct.EnumeratedShapes(
    shapes=[
        ct.Shape(shape=(1, 3, 224, 224)),
        ct.Shape(shape=(1, 3, 384, 384)),
        ct.Shape(shape=(1, 3, 512, 512)),
    ]
)

mlmodel = ct.convert(traced_model, inputs=[ct.TensorType(name="input", shape=enumerated_shapes)])

Кастомні операції

Якщо модель містить операцію, яку coremltools не знає, додайте кастомний шар на Swift. На Python реєструємо операцію:

@ct.converters.mil.register_torch_op()
def my_custom_op(context, node):
    x = context[node.inputs[0]]
    result = mb.custom(params={"...": "..."}, inputs={"x": x}, ...)
    context.add(result)

import CoreML

@objc(MyCustomLayer)
class MyCustomLayer: NSObject, MLCustomLayer {
    required init(parameters: [String: Any]) throws { }
    func setWeightData(_ weights: [Data]) throws { }
    func outputShapes(forInputShapes inputShapes: [[NSNumber]]) throws -> [[NSNumber]] { ... }
    func evaluate(inputs: [MLMultiArray], outputs: [MLMultiArray]) throws { }
}

Кастомний шар виконується на CPU — для продуктивності краще використовувати стандартні операції.

Порівняння продуктивності на пристроях

Apple Neural Engine пришвидшує інференс у 10–20 разів порівняно з CPU, що значно краще за GPU. Наприклад, для ResNet-50 mlprogram працює в 2 рази швидше за neuralnetwork на ANE. Результати для моделі ResNet-50 (224x224):

Порівняння форматів Core ML

Що входить у роботу з конвертації?

• Аудит моделі — аналіз графа, виявлення несумісних операцій, рекомендації щодо рефакторингу. Перевірка на підтримку ANE.
• Конвертація — підбір точності (FP16/INT8), розміру входу, вирішення помилок coremltools. За потреби — кастомні шари.
• Верифікація точності — порівняння на 100+ тестових прикладах, звіт з max diff та метриками (accuracy, mAP).
• Оптимізація під ANE — заміна Reshape/Permute на ANE-сумісні, усунення вузьких місць, квантування.
• Документація — опис параметрів моделі, інтеграції в Xcode, приклад використання.

Чек-лист конвертації

• [ ] Модель в eval-режимі, ваги заморожені
• [ ] Приклад вхідних даних підготовлений
• [ ] Обраний format mlprogram (якщо iOS >= 15)
• [ ] Перевірена підтримка операцій через PYTORCH_OPS_REGISTRY
• [ ] Виконана числова верифікація (max diff < 0.01)
• [ ] Протестовано на цільових пристроях (CPU/GPU/ANE)
• [ ] Результати порівняння часу інференсу задокументовані

Квантування: INT8 vs FP16

Окрім конвертації в mlprogram, квантування дозволяє додатково зменшити розмір моделі та прискорити інференс. FP16 (float16) скорочує обсяг ваг удвічі без помітної втрати точності — це наш стандарт за замовчуванням. INT8 зменшує модель ще в 2 рази, але потребує калібрувального датасету для оцінки похибки квантування. На Apple Neural Engine INT8 працює особливо швидко: приріст швидкості становить 1,5–2× порівняно з FP16. Для задач класифікації та детекції об'єктів втрата точності при INT8 зазвичай не перевищує 1–2%. Для задач з текстом або генерацією — FP16 переважніший.

# Квантування в INT8 через coremltools
mlmodel_int8 = ct.compression_utils.affine_quantize_weights(mlmodel, mode="linear_symmetric")
mlmodel_int8.save("MyModel_INT8.mlpackage")

Наша команда проводить порівняльне тестування обох форматів на вашому конкретному пристрої та обирає оптимальний варіант. Вартість квантування включена у вартість конвертації — загальна ціна починається від 500$.

Отримайте консультацію інженера по вашій моделі — оцінимо складність конвертації та підберемо оптимальні параметри. Ми гарантуємо якість та сертифікований досвід. Звертайтесь до нас для аудиту та конвертації.

Машинне навчання в мобільних застосунках: CoreML, TFLite та on-device LLM

Ми розрізняємо два принципово різних підходи: застосунок з on-device AI та застосунок, який просто викликає хмарне API. Перший працює без інтернету, не надсилає дані користувача на сторонні сервери та відповідає за 50 мілісекунд. Другий залежить від затримки мережі та тарифного плану. Вибір архітектури — ключовий етап, який безпосередньо впливає на вартість, приватність та користувацький досвід. Наш досвід показує: у 70% проектів on-device інференс виявляється дешевшим у довгостроковій перспективі завдяки виключенню серверних витрат. Економія може сягати 40% щомісячних витрат — отримайте консультацію, ми порахуємо для вашого кейсу.

Як вибрати між CoreML та TFLite для on-device інференсу?

CoreML — нативний фреймворк Apple для запуску ML-моделей на пристрої, описаний у документації Apple. Підтримує Neural Engine (A11 Bionic та новіші), GPU та CPU як fallback. Моделі конвертуються у формат .mlmodel через coremltools з PyTorch, ONNX або TensorFlow. Конвертація — не завжди тривіальна: кастомні шари вимагають реалізації MLCustomLayer, а квантизація до INT8 іноді помітно знижує точність на специфічних даних. Ми гарантуємо, що підсумкова модель проходить валідацію на реальних даних до та після конвертації.

TensorFlow Lite — крос-платформна альтернатива для Android та Flutter відповідно до специфікації Google. На Android використовує NNAPI (Neural Networks API) для апаратного прискорення — з Android 10+ NNAPI стабільніший, до цього краще явно використовувати GPU delegate через GpuDelegate. Типова помилка: модель навчена на нормалізованих даних у діапазоні [0,1], а в застосунку на вхід подається [0,255] — інференс працює, але з безглуздими результатами без помилки. Ми включаємо модуль автоматичної валідації вхідних даних у SDK.

Для задач класифікації зображень, детекції об'єктів та сегментації доступні готові оптимізовані моделі. YOLOv8 у CoreML форматі запускає детекцію кадру 640×640 за 15–20 мс на iPhone 14 Neural Engine. MobileNetV3 на TFLite з GPU delegate — близько 8 мс на Pixel 7 при класифікації.

Що робити, якщо потрібна генерація тексту на пристрої?

Запуск невеликих мовних моделей на пристрої став реальністю за останні роки. Apple Intelligence використовує власні моделі через Private Cloud Compute, але для сторонніх розробників доступні інші шляхи.

llama.cpp з Metal backend на iOS — робочий підхід для phi-3-mini (3.8B параметрів, 4-bit квантизація, ~2.3 ГБ). Інференс: 15–25 токенів/секунду на iPhone 15 Pro. Для інтеграції в Swift використовуємо Swift Package llama.swift або обгортку через C-інтерфейс llama.h. Бінарник до застосунку не додаємо — модель завантажується при першому запуску та зберігається в Application Support. Наші сертифіковані розробники налаштовують інкрементальне завантаження, щоб не блокувати перший запуск.

На Android аналог — Google AI Edge (колишній MediaPipe LLM Inference API) з підтримкою Gemma-2B. Працює через GPU delegate, на Tensor G3 чіпі Pixel 8 Pro — близько 20 токенів/секунду.

Інтеграція OpenAI API та інших хмарних моделей

Для сценаріїв, де cloud inference допустимий, інтеграція OpenAI, Anthropic або Google Gemini — це HTTP клієнт + streaming SSE. У Swift зручно через AsyncThrowingStream для стрімінгових відповідей. У Kotlin — через Flow.

Критично важливо: API-ключі ніколи не зберігаються в бандлі застосунку. Навіть обфускований ключ витягується з IPA за 10 хвилин через strings або frida. Правильна архітектура: мобільний застосунок → власний backend → OpenAI API. Backend контролює rate limiting, логує запити, захищає ключ.

Що входить у роботу (результати)

• Навчена та квантизована модель під цільовий пристрій (документація за метриками)
• SDK для інтеграції (Swift/Kotlin/Flutter) з прикладами виклику
• Тести продуктивності на 3–5 реальних пристроях
• Інструкція з оновлення моделі OTA
• Підтримка при проходженні модерації App Store / Google Play (перевірка відповідності Guidelines 4.2, 5.1)
• 2 тижні технічної підтримки після релізу

Типовий пайплайн проекту

1. Аналіз завдання — вимірюємо latency, privacy, size, підтримувані пристрої.
2. Прототипування моделі — в Python, оцінка accuracy на цільових даних.
3. Конвертація та квантизація — під CoreML/TFLite з валідацією.
4. Інтеграція в застосунок — модель обгортається в сервісний шар (легко замінювати CoreML → TFLite → хмара).
5. Тестування — на реальних пристроях, вимір FPS, RAM, батареї.
6. Деплой — через TestFlight / Firebase App Distribution, моніторинг метрик.

Терміни: інтеграція готової CoreML/TFLite моделі — 1–2 тижні, розробка кастомної моделі з мобільною оптимізацією — від 6 тижнів, on-device LLM чат з персоналізацією — 4–8 тижнів.

Чому ми беремося за складні кейси?

10+ років досвіду в мобільній розробці, 50+ впроваджених AI/ML рішень, гарантія сумісності з актуальними версіями iOS та Android. Всі проекти проходять code review та навантажувальне тестування. У вартість вже входить підготовка документації для модерації та навчання вашої команди.

Зв'яжіться з нами — ми допоможемо вибрати архітектуру та впровадити ML у ваш застосунок під ключ. Замовте аудит наявного рішення — безкоштовно оцінимо потенціал економії серверних витрат. Отримайте консультацію експерта — напишіть нам сьогодні.