Mobil Rivojlanishda Qurilmada ML: Bu Nima, Qanday Freymvorklar va Qanday Ishlaydi

Q: Core ML TensorFlow Lite dan qanday farq qiladi?

Core ML Neural Engine tezlashtirishi bilan iOS va macOS uchun Apple-ning freymvorkidir. TensorFlow Lite Android, iOS va Linux uchun Google-ning platformalararo yechimidir. Core ML Apple qurilmalarida yaxshiroq ishlashni taklif qiladi, TFLite esa ko'p qirralilikni taklif qiladi.

Q: ML Kit qanday vazifalarni hal qiladi?

ML Kit odatiy kompyuter ko'rish va NLP vazifalarini hal qiladi: matn, yuz, shtrixkod, ob'ekt va tana holatini aniqlash. Barcha API-lar internet holda qurilmada ishlaydi va o'z modelingizni yaratishni talab qilmaydi.

Q: On-device ML uchun internet kerakmi?

Yo'q, on-device ML to'liq lokal ishlaydi. Modellar qurilmaga yuklanadi va internet ulanishisiz bajariladi. ML Kit yuqori aniqlikdagi bulutga asoslangan API versiyalarini ham taklif qiladi, biroq on-device rejimi oflayn mavjud.

Q: Mobil rivojlanishda qaysi ML freymvorkini tanlashim kerak?

Faqat iOS uchun Core ML ni tanlang — u Neural Engine dan foydalanadi va Apple ekotizimi bilan chambarchas bog'langan. Platformalararo loyihalar uchun TensorFlow Lite ni tanlang. Maxsus modellarsiz odatiy vazifalar uchun tayyor API-lari bilan ML Kit ni tanlang.

Muallif: IT Sectr Nashr etilgan: 2026-07-29 O'qish vaqti: 11 daq

Qurilmada ML (on-device ML) — ma'lumotlarni serverga yubormasdan to'g'ridan-to'g'ri mobil qurilmada mashinani o'rganish modellarini bajarish. Google AI, 2025 hisobotiga ko'ra, foydalanuvchilarning 70% dan ortig'i maxfiylik va tarmoq kechikishining yo'qligi sababli on-device ML mavjud ilovalarni afzal ko'radi. Apple-ning Core ML, Google-ning TensorFlow Lite va ML Kit Vision, NLP, yuz va ob'ektlarni aniqlash vazifalarini to'liq qurilmada hal qilish imkonini beradi — internet holda va minimal energiya sarfi bilan.

Asosiy Fikrlar

Qurilmada ML — server tomoni ma'lumotlarini qayta ishlamasdan to'g'ridan-to'g'ri mobil qurilmada mashinani o'rganish modellarini ishga tushirish.
Core ML — iOS va macOS uchun Neural Engine'da apparat tezlashtirish bilan Apple-ning freymvorki.
TensorFlow Lite — kvantlash va GPU, NNAPI, XNNPACK delegatlari bilan Google-ning platformalararo yechimi.
ML Kit — model yaratmasdan matn, yuz, shtrixkod va ob'ektlarni aniqlash uchun tayyor API-larga ega SDK.
Vision va NaturalLanguage — iOS da tasvir va matn tahlili uchun o'rnatilgan ML vositalari.

Qurilmada ML Nima va Mobil Ilovalarda Nima Uchun Kerak

Qurilmada ML (on-device ML) - bu mashinani o'rganish modellari uzoq serverga ma'lumot yubormasdan to'g'ridan-to'g'ri mobil qurilmada bajariladigan yondashuv. Maxfiylik asosiy afzallik: foydalanuvchi ma'lumotlari qurilmadan hech qachon chiqmaydi. Google tadqiqotiga (2024) ko'ra, foydalanuvchilarning 63% serverga ma'lumot yuborishni talab qiladigan ML funksiyalarini rad etadi. On-device ML tarmoq kechikishini bartaraf qiladi, oflayn ishlaydi va apparat tezlashtirish orqali energiya sarfini kamaytiradi.

On-device ML ning Bulut Yechimlariga Nisbatan Afzalliklari

On-device ML ma'lumotlarni soniyalar o'rniga millisoniyalarda qayta ishlaydi — real vaqtda yuz va ob'ektlarni aniqlash uchun juda muhim. Internet ulanishi talab qilinmasligi yana bir afzallik: ML funksiyalari samolyot rejimida va beqaror aloqasi bo'lgan hududlarda mavjud. Core ML Apple A12+ chiplarida Neural Engine dan foydalanib, 1 Vt dan kam energiya sarfi bilan sekundiga 11 trillion operatsiyani ta'minlaydi. Mobil ilovalar uchun on-device ML Vision, NLP va ob'ektlarni aniqlash vazifalarida de-fakto standartga aylandi.

Mobil Ilovalarda On-device ML ning Asosiy Ssenariylari

Mobil ilovalarda ML yuz autentifikatsiyasi (Face ID), Snapchat va Instagram da AR filtrlari, Pose Detection bilan fitness kuzatuvchilari, Adobe Scan da OCR skanerlash va klaviaturalarda bashoratli kiritish uchun ishlatiladi. Muayyan vazifalar uchun maxsus modellar Core ML (iOS) yoki TensorFlow Lite (Android) orqali yaratiladi. ML Kit model o'qitishni talab qilmasdan matn, yuz va shtrixkodlarni aniqlash kabi odatiy stsenariylar uchun mos keladi.

Core ML: iOS da Qurilmada ML uchun Apple-ning Freymvorki

Core ML iPhone, iPad, Mac va Apple Watch da ML modellarini ishga tushirish uchun Apple-ning freymvorkidir. Optimal apparat tezlashtirishni avtomatik tanlaydi: A12+ qurilmalarida neyron tarmoqlari uchun Neural Engine (11 TOPS), tasvirni qayta ishlash vazifalari uchun GPU va ketma-ket hisoblar uchun CPU. Core ML .mlmodel (asl) va .mlmodelc (kompilyatsiya qilingan) formatlarini qo'llab-quvvatlaydi. PyTorch va TensorFlow dan modellarni konvertatsiya qilish coremltools orqali amalga oshiriladi — topologiya va og'irliklarni saqlaydigan Python kutubxonasi.

Create ML va coremltools

Create ML kod yozmasdan oddiy modellarni o'qitish uchun Apple-ning ilovasidir. Ishlab chiqarish uchun coremltools ishlatiladi — PyTorch, TensorFlow va scikit-learn dan konvertatsiya vositasi. Coremltools float32 → float16 va int8 kvantlash, rang fazosini paletlashtirish va model hajmini kamaytirish uchun ortiqcha operatsiyalarni olib tashlashni qo'llab-quvvatlaydi.

python

import coremltools as ct

model = ct.convert(
    "resnet50.mlmodel",
    source="pytorch",
    convert_to="mlprogram"
)
model.save("Resnet50.mlpackage")

Neural Engine va Core ML Apparat Tezlashtirish

Neural Engine Apple A12 va undan yangi chiplardagi ixtisoslashtirilgan neyroprotsessordir. 16 yadro 1 Vt dan kam energiya sarfi bilan sekundiga 11 trilliongacha operatsiyani bajaradi. Core ML neyron tarmoq hisoblarini avtomatik ravishda Neural Engine ga, GPU mos hisoblarni esa Metal GPU ga yo'naltiradi. Dasturchi qurilmani tanlashi shart emas — Core ML buni Performance Report orqali model va mavjud apparatni tahlil qilib amalga oshiradi.

TensorFlow Lite: Google-ning Platformalararo Qurilmada ML-si

TensorFlow Lite (TFLite) Android, iOS va Linux da ML modellarini ishga tushirish uchun Google-ning platformalararo yechimidir. Modellar .tflite formatida va TensorFlow ekotizimidan TFLiteConverter orqali yaratiladi. TFLite float32 → int8 kvantlashni qo'llab-quvvatlaydi, bu tasniflash vazifalarida 97–99% aniqlikni saqlagan holda model hajmini 4 marta kamaytiradi. Google Play Services for TFLite ilovani qayta chiqarmasdan ish vaqtini avtomatik yangilaydi.

TFLiteConverter va Model Kvantlash

TFLiteConverter TensorFlow modellarini .tflite formatiga o'tkazish uchun asosiy vositadir. Treningdan keyingi int8 kvantlash to'liq ma'lumotlar to'plamiga kirishsiz modelni 300 MB dan 75 MB gacha siqadi. Kvantlashdan xabardor trening (QAT) ImageNet da 1% dan kam minimal aniqlik yo'qotilishini beradi. TFLiteConverter shuningdek, grafikni kesish va TFLite ish vaqti tomonidan qo'llab-quvvatlanmaydigan operatsiyalarni olib tashlashni ham qo'llab-quvvatlaydi.

python

import tensorflow as tf

converter = tf.lite.TFLiteConverter.from_saved_model(
    "saved_model_dir"
)
converter.optimizations = [tf.lite.Optimize.DEFAULT]
tflite_model = converter.convert()

TFLite Delegatlari: GPU, NNAPI va XNNPACK

Delegatsiz TFLite modelni CPU da apparat tezlashtirishga nisbatan 3–5 marta sekin ishlatadi. GPU Delegati Android da OpenCL va OpenGL ES 3.1 dan foydalanadi, Core ML Delegati iOS da Neural Engine dan foydalanadi. NNAPI Delegati Android 8.1+ da NPU va DSP dan foydalanadi. XNNPACK Delegati mobil protsessorlar uchun optimallashtirishlar bilan ARM CPU da platformalararo tezlashtirishni ta'minlaydi. Delegatni tanlash uchun natijada null tekshiruvi bilan TfLiteGpuDelegate.create() dan foydalaning.

ML Kit: Mobil Rivojlanishda ML uchun Tayyor Yechimlar

ML Kit on-device ML uchun tayyor API-larga ega Google-ning SDK sidir. Mobil ilovalarda ML Kit matnni aniqlash (qo'l yozuvi bilan 50+ til), Yuzni Aniqlash (468 yuz asosiy nuqtasi), Shtrixkodni Skanerlash (QR, EAN-13, Code 128, PDF417, Data Matrix) va Ob'ektni Aniqlash uchun ishlatiladi. Barcha API-lar internet holda to'liq qurilmada ishlaydi. ML Kit yagona API bilan iOS va Android da mavjud.

ML Kit da Yuzni Aniqlash va Matnni Tanib Olish

Yuzni Aniqlash yuz konturi, qoshlar, ko'zlar, burun va lablarning koordinatalarini, shuningdek, boshning egilish burchagi va ko'z holatini qaytaradi. AR niqoblari va kamera filtrlari eng mashhur foydalanish stsenariysidir. Matnni Tanib Olish bosma belgilarda 99% gacha aniqlik bilan fotosuratlardan matnni chiqaradi. API CameraX orqali real vaqt rejimida aniqlashni qo'llab-quvvatlaydi.

kotlin

val recognizer = TextRecognition.getClient()
val image = InputImage.fromBitmap(bitmap)

recognizer.process(image)
    .addOnSuccessListener { result ->
        result.textBlocks.forEach { block ->
            println(block.text)
        }
    }

ML Kit da Shtrixkodni Skanerlash va Ob'ektni Aniqlash

Shtrixkodni Skanerlash kameraning video oqimidan real vaqtda shtrixkodlarni taniydi. Ob'ektni Aniqlash chegaralovchi quti va sinf yorlig'i (odam, mashina, hayvon) bilan tasvirdagi ob'ektlarni aniqlaydi. Pozani Aniqlash fitnes ilovalari va harakat tahlili uchun 33 tana asosiy nuqtasini belgilaydi. Tasvirni Belgilash eng ko'pi bilan 10 semantik tasvir yorlig'ini qaytaradi — "tabiat", "shahar", "ovqat".

Vision va NaturalLanguage: iOS va Android da O'rnatilgan ML Vositalari

Apple uchinchi tomon SDK larini o'rnatmasdan Vision va NaturalLanguage orqali o'rnatilgan ML yechimlarini ta'minlaydi. Vision (VNRequest) qurilmada yuz, matn, shtrixkod va konturlarni aniqlashni amalga oshiradi. NaturalLanguage (NLTokenizer) tokenizatsiya, lemmatizatsiya, tilni aniqlash va sentiment tahlilini ta'minlaydi. Android da ekvivalentlar ML Kit (aniqlash) va android.speech dan SpeechRecognizer (nutq) orqali amalga oshirilgan. O'rnatilgan vositalar model yuklab olishni talab qilmaydi — ular tizimda oldindan o'rnatilgan.

Vision Freymvorki: VNRequest va VNCoreMLRequest

Vision VNDetectFaceRectanglesRequest (yuzni aniqlash), VNRecognizeTextRequest (matnni aniqlash), VNDetectBarcodesRequest (shtrixkodlar) va VNDetectHumanBodyPoseRequest (skelet) ni o'z ichiga oladi. VNCoreMLRequest maxsus Core ML modelini Vision quvuriga birlashtiradi — masalan, aniqlangan yuzlarda his-tuyg'ularni tasniflash. Barcha so'rovlar minimal kechikish bilan Neural Engine da bajariladi.

swift

let request = VNRecognizeTextRequest { request, error in
    guard let observations = request.results
        as? [VNRecognizedTextObservation] else { return }
    for observation in observations {
        let topCandidate = observation
            .topCandidates(1).first
        print(topCandidate?.string as? String ?? "")
    }
}

let handler = VNImageRequestHandler(
    cgImage: image, options: [:]
)
try? handler.perform([request])

iOS da NaturalLanguage va SFSpeechRecognizer

NaturalLanguage matnni tokenlarga bo'lish uchun NLTokenizer, tilni aniqlash uchun NLLanguageRecognizer (72 til) va NLSentimentAnalyzer matn sentiment tahlilini ta'minlaydi. SFSpeechRecognizer qurilmada 50+ tilni qo'llab-quvvatlaydigan nutqni aniqlash API sidir (iOS 13+). Foydalanishdan oldin SFSpeechRecognizerAuthorizationStatus ruxsati talab qilinadi. Natijalar SFSpeechRecognitionResultHandler orqali asinxron ravishda keladi.

Tez-tez Beriladigan Savollar

Qurilmada ML nima?

Qurilmada ML (on-device ML) - bu mashinani o'rganish modellari serverga ma'lumot yubormasdan to'g'ridan-to'g'ri mobil qurilmada ishga tushiriladigan yondashuv. Core ML, TensorFlow Lite va ML Kit on-device ML uchun asosiy freymvorklardir.

Core ML TensorFlow Lite dan qanday farq qiladi?

Core ML Neural Engine tezlashtirishi bilan iOS va macOS uchun Apple-ning freymvorkidir. TensorFlow Lite Android, iOS va Linux uchun Google-ning platformalararo yechimidir. Core ML Apple qurilmalarida yaxshiroq ishlashni taklif qiladi, TFLite esa ko'p qirralilikni taklif qiladi.

ML Kit qanday vazifalarni hal qiladi?

ML Kit odatiy kompyuter ko'rish va NLP vazifalarini hal qiladi: matn, yuz, shtrixkod, ob'ekt va tana holatini aniqlash. Barcha API-lar internet holda qurilmada ishlaydi va o'z modelingizni yaratishni talab qilmaydi.

On-device ML uchun internet kerakmi?

Yo'q, on-device ML to'liq lokal ishlaydi. Modellar qurilmaga yuklanadi va internet ulanishisiz bajariladi. ML Kit yuqori aniqlikdagi bulutga asoslangan API versiyalarini ham taklif qiladi, biroq on-device rejimi oflayn mavjud.

Mobil rivojlanishda qaysi ML freymvorkini tanlashim kerak?

Faqat iOS uchun Core ML ni tanlang — u Neural Engine dan foydalanadi va Apple ekotizimi bilan chambarchas bog'langan. Platformalararo loyihalar uchun TensorFlow Lite ni tanlang. Maxsus modellarsiz odatiy vazifalar uchun tayyor API-lari bilan ML Kit ni tanlang.

Xulosa

Qurilmada ML — nol tarmoq kechikishi bilan serverga ma'lumot yubormasdan to'g'ridan-to'g'ri mobil qurilmada modellarni ishga tushirish.
Core ML — iOS va macOS uchun Neural Engine da apparat tezlashtirish bilan Apple-ning freymvorki.
TensorFlow Lite — int8 kvantlash va GPU, NNAPI, XNNPACK delegatlari bilan Google-ning platformalararo yechimi.
ML Kit — model yaratmasdan matn, yuz va shtrixkodni aniqlash uchun tayyor API-larga ega SDK.
Vision va NaturalLanguage — uchinchi tomon kutubxonalarini o'rnatmasdan iOS da o'rnatilgan ML vositalari.
Kvantlash minimal aniqlik yo'qotilishi bilan model hajmini 4 marta kamaytiradi — mobil ilovalar uchun standart.
On-device ML maxfiy ma'lumotlar va oflayn foydalanish stsenariylari bo'lgan ilovalar uchun majburiy standartdir.

Biz kalit topshirig'i bilan mobil ilovani ishlab chiqamiz

IT Sectr 2017-yildan beri startaplar va korxonalar uchun iOS va Android ilovalarini yaratadi. Biz sizga maslahat beramiz va eng yaxshi yechimni taklif qilamiz.

Loyihani muhokama qilish