axiom-ios-ml

Umiejętność dla programistów iOS, którzy chcą uruchamiać własne modele uczenia maszynowego bezpośrednio na urządzeniu. Obsługuje konwersję PyTorch i TensorFlow do CoreML, kompresję modeli (kwantyzacja, paletyzacja, przycinanie), optymalizację dla dużych modeli językowych z KV-cache oraz implementację zamiany mowy na tekst. Rozróżnia się od ios-ai — ta umiejętność to Twoje narzędzie do wdrażania własnych modeli, a nie do korzystania z wbudowanych modeli Apple.

1. Aktywuj umiejętność axiom-ios-ml w swoim projekcie iOS, gdy planujesz wdrożyć własny model uczenia maszynowego na urządzeniu — nie używaj jej do korzystania z Apple Intelligence czy Foundation Models (do tego służy ios-ai).
2. Jeśli masz model w PyTorch lub TensorFlow, użyj routera CoreML do konwersji modelu do formatu CoreML, który iOS rozumie natywnie.
3. Jeśli model jest duży, zastosuj kompresję — wybierz odpowiednią strategię: kwantyzację (zmniejszenie precyzji), paletyzację (zmniejszenie unikalnych wartości) lub przycinanie (usuwanie nieistotnych połączeń).
4. Dla dużych modeli językowych skonfiguruj KV-cache, aby przyspieszyć predykcje, oraz użyj MLTensor do łączenia modeli w potoku przetwarzania.
5. Jeśli implementujesz zamianę mowy na tekst, skorzystaj z SpeechAnalyzer i SpeechTranscriber — umiejętność pokrywa zarówno nagrania na żywo, jak i wcześniej zarejestrowane pliki audio.
6. Testuj predykcje asynchronicznie, aby nie blokowały interfejsu użytkownika — umiejętność zawiera wzorce do asynchronicznego wywoływania modelu na wybranej jednostce obliczeniowej (CPU, GPU lub Neural Engine).