消息，苹果Vision框架的发布，意味着开发者可以在App中使用深度学习算法和许多其他的计算机视觉技术。那么，支持这一创造性革新的背后，苹果团队面临了哪些挑战？日前，苹果在其官网发文，首次揭露了这些信息。详情如下，编译整理：苹果在iOS10中开始使用深度学习技术。

随着Vision框架的发布，开发者可以在App中使用深度学习技术和许多其他的计算机视觉算法。他们在开发Vision框架时，为了保护用户隐私，让算法能高效执行，面临着巨大的挑战。下面是对这些挑战的介绍。苹果公司首先通过CIDetector类在CoreImage框架中发布了人脸检测公共API。

苹果内部应用程序也在使用这个API，例如Photo。CIDetector最早版本使用的是一种基于Viola-Jones的检测算法，基于传统计算机视觉技术的进步，CIDetector得到了持续改进。随着深度学习的出现以及它在计算机视觉问题上的应用，这些顶尖技术在人脸检测的精准性上取得了前所未有的巨大进步。为了利用这些技术的所带来的转变，苹果彻底重新思考他们的方法。

与传统的计算机视觉相比，在深度学习中学到的模型需要更大的内存、更大的磁盘存储空间和更多的计算资源。虽然手机发展到现在，已经具备各种各样的功能了，但传统的高端手机并不是一个适合训练深度学习视觉模型的平台。

大多数行业通过云端的API提供深度学习解决方案来解决这个问题。在那种云端解决方案中，图像被发送到云端服务器，然后再利用深度学习来推理、检测人脸。云端的服务通常使用性能强大的桌面级GPU，具有大量可用内存。

当碰到非常大的网络模型，或者可能要配置大型模型时，都可以在服务器端运行，这能保证客户端可以在云端（在本地无法运行）运行大型的深度学习架构。苹果iCloud照片库是一个基于云端的图片和视频存储解决方案。

不过，由于苹果此前做出过承诺，绝不侵犯用户隐私，所以他们不能利用iCloud服务器来进行计算机视觉计算。所有发送到iCloud照片库的照片和视频在发送到云存储之前就在设备上进行了编码，而且只能通过注册过那个iCloud账户的设备进行解密。因此，为了带来深度学习的计算机视觉解决方案，必须直面在iPhone上运行深度学习算法的挑战。

除了这一点外，苹果还面临诸多挑战。深度学习模型需要装配到操作系统中去，占用本来就很稀缺的NAND存储空间。此外，它还需要加载到RAM中，使得GPU/CPU的计算时间大大延长。

与云端的服务不同，云上的资源可以分配，可以用来单独解决视觉问题，而想要在设备上进行计算，则需要在与其他正在运行的应用程序共享系统资源。最后，计算必须足够高效，能够在相当短的时间内处理大型图片库，并且手机的电量不会消耗得过快，手机也不能产生明显发热。via：apple.com编辑整理。

版权文章，未经授权禁止转载。详情见转载须知。

本文来源：K8凯发-www.wakumoto-dc.com