1. なぜ Mac Mini M4 で CoreML なのか?
CoreML は Apple のネイティブな機械学習フレームワークであり、Apple Silicon から最大の性能を引き出すために専用設計されています。GPU を単一の計算デバイスとして扱う汎用 ML フレームワークとは異なり、CoreML はワークロードを CPU、GPU、そして専用の 16 コア Neural Engine にわたって賢く分散させます。多くの場合、モデルの異なる部分を異なる計算ユニットで同時に実行します。
16 コア Neural Engine
M4 の Neural Engine は、量子化された int8 ワークロードで最大 38 TOPS(毎秒 1 兆回の演算)を実現します。CoreML は、畳み込み、行列積、正規化といった対応レイヤーを自動的に Neural Engine にルーティングし、最小の消費電力で最大のスループットを引き出します。
ユニファイドメモリアーキテクチャ
すべての計算ユニットが、最大 120 GB/s の帯域幅を持つ同一のメモリプールを共有します。PCIe のボトルネックや、CPU と GPU のメモリ間のデータコピーがありません。24GB の Mac Mini M4 では、すべての計算ユニットが 24GB 全体に直接アクセスでき、同等のディスクリート GPU 構成よりも大きなモデルを扱えます。
自動計算ディスパッチ
CoreML のコンパイラはモデルグラフを解析し、各演算を最適な計算ユニットに割り当てます。畳み込みは Neural Engine で実行され、カスタム演算は GPU または CPU にフォールバックし、すべてが統一されたパイプラインとして実行されます。手作業ゼロでハードウェアレベルの最適化が得られます。
スケールしても高い電力効率
CoreML 推論を実行する Mac Mini M4 のシステム全体の消費電力は 5〜20W です。これは NVIDIA A100 GPU サーバーの 300〜450W と比べてみてください。常時稼働の本番推論では、これは電気代の劇的な削減につながり、専用の冷却設備も不要になります。
重要なポイント: CoreML は iOS アプリ専用ではありません。coremltools による Python バインディングを使えば、あらゆる主要フレームワークからモデルを変換し、Python スクリプトから推論を実行し、本番用 API を構築できます。しかもそのすべてで、ほとんどのサーバーサイドフレームワークがアクセスできない Neural Engine を活用できます。
2. PyTorch モデルを CoreML に変換する
Apple の coremltools ライブラリは、PyTorch モデルから CoreML の .mlpackage 形式への直接的な変換経路を提供します。変換ではサンプル入力を使ってモデルをトレースし、各演算を CoreML の内部表現に変換します。
ステップ 1: 依存関係をインストールする
# Create a virtual environment
python3 -m venv ~/coreml-env
source ~/coreml-env/bin/activate
# Install coremltools and PyTorch
pip install coremltools torch torchvision
# Verify installation
python3 -c "import coremltools as ct; print(ct.__version__)"
# 8.1
ステップ 2: PyTorch の画像分類器を変換する
import torch
import torchvision
import coremltools as ct
# Load a pretrained ResNet50 model
model = torchvision.models.resnet50(weights=torchvision.models.ResNet50_Weights.DEFAULT)
model.eval()
# Create a sample input (batch=1, channels=3, height=224, width=224)
example_input = torch.randn(1, 3, 224, 224)
# Trace the model with TorchScript
traced_model = torch.jit.trace(model, example_input)
# Convert to CoreML
coreml_model = ct.convert(
traced_model,
inputs=[ct.ImageType(
name="image",
shape=(1, 3, 224, 224),
scale=1.0 / (255.0 * 0.226),
bias=[-0.485 / 0.226, -0.456 / 0.226, -0.406 / 0.226],
color_layout=ct.colorlayout.RGB
)],
classifier_config=ct.ClassifierConfig("imagenet_classes.txt"),
compute_units=ct.ComputeUnit.ALL, # Use Neural Engine + GPU + CPU
minimum_deployment_target=ct.target.macOS15,
)
# Save the model
coreml_model.save("ResNet50.mlpackage")
print("Model saved: ResNet50.mlpackage")
ステップ 3: カスタム PyTorch モデルを変換する
import torch
import torch.nn as nn
import coremltools as ct
# Define a custom text embedding model
class TextEncoder(nn.Module):
def __init__(self, vocab_size=30000, embed_dim=512, num_heads=8, num_layers=6):
super().__init__()
self.embedding = nn.Embedding(vocab_size, embed_dim)
self.pos_encoding = nn.Parameter(torch.randn(1, 512, embed_dim))
encoder_layer = nn.TransformerEncoderLayer(
d_model=embed_dim, nhead=num_heads, batch_first=True
)
self.transformer = nn.TransformerEncoder(encoder_layer, num_layers=num_layers)
self.output_proj = nn.Linear(embed_dim, 256)
def forward(self, input_ids):
x = self.embedding(input_ids) + self.pos_encoding[:, :input_ids.shape[1], :]
x = self.transformer(x)
x = x.mean(dim=1) # Global average pooling
return self.output_proj(x)
# Initialize and load your trained weights
model = TextEncoder()
# model.load_state_dict(torch.load("text_encoder_weights.pt"))
model.eval()
# Trace with example input
example_input = torch.randint(0, 30000, (1, 128))
traced_model = torch.jit.trace(model, example_input)
# Convert to CoreML
coreml_model = ct.convert(
traced_model,
inputs=[ct.TensorType(name="input_ids", shape=(1, 128), dtype=int)],
outputs=[ct.TensorType(name="embedding")],
compute_units=ct.ComputeUnit.ALL,
minimum_deployment_target=ct.target.macOS15,
)
# Add metadata
coreml_model.author = "My Remote Mac"
coreml_model.short_description = "Text embedding model for semantic search"
coreml_model.version = "1.0.0"
coreml_model.save("TextEncoder.mlpackage")
print("Model saved: TextEncoder.mlpackage")
ステップ 4: 変換したモデルを検証する
import coremltools as ct
import numpy as np
# Load the converted model
model = ct.models.MLModel("ResNet50.mlpackage")
# Inspect model metadata
spec = model.get_spec()
print(f"Model type: {spec.WhichOneof('Type')}")
print(f"Inputs: {[inp.name for inp in spec.description.input]}")
print(f"Outputs: {[out.name for out in spec.description.output]}")
# Run a test prediction
from PIL import Image
img = Image.open("test_image.jpg").resize((224, 224))
prediction = model.predict({"image": img})
print(f"Top prediction: {prediction}")
# Check which compute units are available
print(f"Compute units: {model.compute_unit}")
3. TensorFlow モデルを CoreML に変換する
CoreML は、TensorFlow の SavedModel 形式、Keras の .h5 モデル、TensorFlow Lite の .tflite モデルからの変換に対応しています。coremltools のコンバーターは、カスタムレイヤーを含む TensorFlow の演算セット全体を扱えます。
TensorFlow SavedModel を変換する
import coremltools as ct
import tensorflow as tf
# Load a TensorFlow SavedModel (e.g., EfficientNet trained on your data)
tf_model = tf.keras.applications.EfficientNetV2S(
weights="imagenet",
input_shape=(384, 384, 3)
)
# Convert to CoreML
coreml_model = ct.convert(
tf_model,
inputs=[ct.ImageType(
name="image",
shape=(1, 384, 384, 3),
scale=1.0 / 255.0,
color_layout=ct.colorlayout.RGB
)],
compute_units=ct.ComputeUnit.ALL,
minimum_deployment_target=ct.target.macOS15,
)
coreml_model.save("EfficientNetV2S.mlpackage")
print("Saved EfficientNetV2S.mlpackage")
Keras H5 モデルを変換する
import coremltools as ct
import tensorflow as tf
# Load your custom Keras model
model = tf.keras.models.load_model("my_custom_model.h5")
# Print model summary to understand input/output shapes
model.summary()
# Convert with explicit input/output specifications
coreml_model = ct.convert(
model,
inputs=[ct.TensorType(name="features", shape=(1, 128))],
outputs=[ct.TensorType(name="prediction")],
compute_units=ct.ComputeUnit.ALL,
minimum_deployment_target=ct.target.macOS15,
)
# Add model metadata
coreml_model.author = "ML Team"
coreml_model.license = "Proprietary"
coreml_model.short_description = "Customer churn prediction model v2.1"
coreml_model.version = "2.1.0"
coreml_model.save("ChurnPredictor.mlpackage")
TensorFlow Lite モデルを変換する
import coremltools as ct
# Convert directly from a .tflite file
coreml_model = ct.convert(
"object_detector.tflite",
source="tensorflow",
inputs=[ct.ImageType(
name="image",
shape=(1, 320, 320, 3),
scale=1.0 / 255.0,
color_layout=ct.colorlayout.RGB
)],
outputs=[
ct.TensorType(name="boxes"),
ct.TensorType(name="scores"),
ct.TensorType(name="classes"),
],
compute_units=ct.ComputeUnit.ALL,
minimum_deployment_target=ct.target.macOS15,
)
coreml_model.save("ObjectDetector.mlpackage")
print("Saved ObjectDetector.mlpackage")
4. ONNX モデルを CoreML に変換する
ONNX(Open Neural Network Exchange)は、多くのフレームワークがエクスポートできる汎用フォーマットです。これにより ONNX は、scikit-learn、XGBoost、さらにはカスタムの C++ 学習パイプラインといったフレームワークからモデルを変換する際の、便利な中間フォーマットになります。
ONNX サポートをインストールする
# Install ONNX and onnxruntime for validation
pip install onnx onnxruntime coremltools
ONNX モデルを変換する
import coremltools as ct
import onnx
# Load and validate the ONNX model
onnx_model = onnx.load("yolov8n.onnx")
onnx.checker.check_model(onnx_model)
print("ONNX model is valid")
# Inspect input/output shapes
for inp in onnx_model.graph.input:
print(f"Input: {inp.name}, shape: {[d.dim_value for d in inp.type.tensor_type.shape.dim]}")
for out in onnx_model.graph.output:
print(f"Output: {out.name}, shape: {[d.dim_value for d in out.type.tensor_type.shape.dim]}")
# Convert ONNX to CoreML
coreml_model = ct.converters.convert(
"yolov8n.onnx",
inputs=[ct.ImageType(
name="images",
shape=(1, 3, 640, 640),
scale=1.0 / 255.0,
color_layout=ct.colorlayout.RGB
)],
compute_units=ct.ComputeUnit.ALL,
minimum_deployment_target=ct.target.macOS15,
)
coreml_model.short_description = "YOLOv8 Nano object detection model"
coreml_model.save("YOLOv8n.mlpackage")
print("Saved YOLOv8n.mlpackage")
PyTorch を ONNX にエクスポートし、その後 CoreML に変換する
import torch
import coremltools as ct
# When direct PyTorch conversion fails, use ONNX as an intermediate step
model = torch.hub.load('pytorch/vision', 'detr_resnet50', pretrained=True)
model.eval()
dummy_input = torch.randn(1, 3, 800, 800)
# Step 1: Export to ONNX
torch.onnx.export(
model,
dummy_input,
"detr_resnet50.onnx",
input_names=["image"],
output_names=["pred_logits", "pred_boxes"],
opset_version=17,
dynamic_axes={"image": {0: "batch"}}
)
print("Exported to ONNX")
# Step 2: Convert ONNX to CoreML
coreml_model = ct.converters.convert(
"detr_resnet50.onnx",
inputs=[ct.ImageType(name="image", shape=(1, 3, 800, 800), scale=1.0/255.0)],
compute_units=ct.ComputeUnit.ALL,
minimum_deployment_target=ct.target.macOS15,
)
coreml_model.save("DETR_ResNet50.mlpackage")
print("Saved DETR_ResNet50.mlpackage")
5. Neural Engine 向けに最適化する
Neural Engine は量子化されたモデルで最高の性能を発揮します。学習後の量子化、パレット化、プルーニングを適用すると、モデルサイズを 4〜8 倍削減し、Neural Engine のスループットを 2〜4 倍向上させることができます。多くの場合、精度の低下はごくわずかです。
Float16 量子化(最もシンプルな最適化)
import coremltools as ct
from coremltools.models.neural_network import quantization_utils
# Load the full-precision model
model = ct.models.MLModel("ResNet50.mlpackage")
# Quantize to float16 -- halves model size with virtually no quality loss
model_fp16 = quantization_utils.quantize_weights(model, nbits=16)
model_fp16.save("ResNet50_fp16.mlpackage")
# Check file sizes
import os
original_size = sum(
os.path.getsize(os.path.join(dp, f))
for dp, dn, fn in os.walk("ResNet50.mlpackage") for f in fn
)
optimized_size = sum(
os.path.getsize(os.path.join(dp, f))
for dp, dn, fn in os.walk("ResNet50_fp16.mlpackage") for f in fn
)
print(f"Original: {original_size / 1e6:.1f} MB")
print(f"Float16: {optimized_size / 1e6:.1f} MB")
print(f"Reduction: {(1 - optimized_size/original_size)*100:.1f}%")
Int8 学習後量子化
import coremltools as ct
import coremltools.optimize as cto
import numpy as np
# Load the model
model = ct.models.MLModel("ResNet50.mlpackage")
# Configure linear (int8) quantization with calibration data
op_config = cto.coreml.OpLinearQuantizerConfig(
mode="linear_symmetric",
dtype="int8",
granularity="per_channel"
)
config = cto.coreml.OptimizationConfig(global_config=op_config)
# Prepare calibration data (representative samples from your dataset)
def load_calibration_data():
"""Load 100-200 representative samples for calibration."""
calibration_samples = []
for i in range(100):
# Replace with your actual data loading
sample = np.random.randn(1, 3, 224, 224).astype(np.float32)
calibration_samples.append({"image": sample})
return calibration_samples
# Apply post-training quantization
model_int8 = cto.coreml.linear_quantize_weights(
model,
config=config,
sample_data=load_calibration_data()
)
model_int8.save("ResNet50_int8.mlpackage")
print("Saved int8 quantized model")
パレット化(重みのクラスタリング)
import coremltools as ct
import coremltools.optimize as cto
# Palettization clusters weights into a small lookup table
# 4-bit palettization = 16 unique weight values per tensor
# Achieves ~4x compression with minimal accuracy loss
model = ct.models.MLModel("ResNet50.mlpackage")
# Configure palettization
op_config = cto.coreml.OpPalettizerConfig(
mode="kmeans",
nbits=4, # 4-bit = 16 clusters, 2-bit = 4 clusters
granularity="per_tensor"
)
config = cto.coreml.OptimizationConfig(global_config=op_config)
# Apply palettization
model_palettized = cto.coreml.palettize_weights(model, config=config)
model_palettized.save("ResNet50_palettized_4bit.mlpackage")
print("4-bit palettized model saved")
print("This model runs optimally on the Neural Engine")
プルーニング(スパース化)
import coremltools as ct
import coremltools.optimize as cto
# Pruning sets small weights to zero, enabling sparse computation
# The Neural Engine can skip zero-weight operations for speed gains
model = ct.models.MLModel("ResNet50.mlpackage")
# Configure magnitude-based pruning
op_config = cto.coreml.OpMagnitudePrunerConfig(
target_sparsity=0.75, # Remove 75% of smallest weights
granularity="per_channel",
block_size=None # Unstructured pruning
)
config = cto.coreml.OptimizationConfig(global_config=op_config)
# Apply pruning
model_pruned = cto.coreml.prune_weights(model, config=config)
model_pruned.save("ResNet50_pruned_75.mlpackage")
print("75% sparse model saved")
組み合わせた最適化パイプライン
import coremltools as ct
import coremltools.optimize as cto
# For maximum optimization, combine pruning + palettization + quantization
# This can achieve 8-16x compression with 1-2% accuracy loss
model = ct.models.MLModel("ResNet50.mlpackage")
# Step 1: Prune (set small weights to zero)
prune_config = cto.coreml.OptimizationConfig(
global_config=cto.coreml.OpMagnitudePrunerConfig(target_sparsity=0.5)
)
model = cto.coreml.prune_weights(model, config=prune_config)
print("Step 1: Pruning complete (50% sparsity)")
# Step 2: Palettize (cluster remaining weights)
palette_config = cto.coreml.OptimizationConfig(
global_config=cto.coreml.OpPalettizerConfig(mode="kmeans", nbits=4)
)
model = cto.coreml.palettize_weights(model, config=palette_config)
print("Step 2: Palettization complete (4-bit)")
# Save the fully optimized model
model.save("ResNet50_optimized.mlpackage")
print("Fully optimized model saved -- ready for Neural Engine deployment")
ヒント: 最適化後は必ず精度をベンチマークしてください。まず float16(最も安全)から始め、次に int8 量子化、その後にパレット化を試します。ホールドアウトの検証セットを使い、積極的な最適化を適用する前に許容できる精度のしきい値を定めておきましょう。
6. CoreML 推論用の REST API を構築する
CoreML モデルを REST API でラップすると、Web アプリ、モバイルアプリ、マイクロサービス、バッチ処理パイプラインなど、あらゆるクライアントからアクセスできるようになります。以下に、Flask と FastAPI の両方を使った本番運用に対応した例を示します。
選択肢 A: Flask API サーバー
# flask_coreml_server.py
# pip install flask pillow coremltools gunicorn
import io
import time
import coremltools as ct
from flask import Flask, request, jsonify
from PIL import Image
app = Flask(__name__)
# Load the CoreML model at startup (runs on Neural Engine)
print("Loading CoreML model...")
model = ct.models.MLModel(
"ResNet50_optimized.mlpackage",
compute_units=ct.ComputeUnit.ALL
)
print("Model loaded successfully")
@app.route("/health", methods=["GET"])
def health():
return jsonify({"status": "healthy", "model": "ResNet50"})
@app.route("/predict", methods=["POST"])
def predict():
if "image" not in request.files:
return jsonify({"error": "No image file provided"}), 400
# Read and preprocess the image
image_file = request.files["image"]
image = Image.open(io.BytesIO(image_file.read())).resize((224, 224))
# Run inference with timing
start = time.perf_counter()
prediction = model.predict({"image": image})
latency_ms = (time.perf_counter() - start) * 1000
return jsonify({
"prediction": prediction,
"latency_ms": round(latency_ms, 2),
"compute_unit": "neural_engine+gpu+cpu"
})
@app.route("/predict/batch", methods=["POST"])
def predict_batch():
"""Process multiple images in a single request."""
if "images" not in request.files:
return jsonify({"error": "No image files provided"}), 400
results = []
files = request.files.getlist("images")
start = time.perf_counter()
for image_file in files:
image = Image.open(io.BytesIO(image_file.read())).resize((224, 224))
prediction = model.predict({"image": image})
results.append(prediction)
total_ms = (time.perf_counter() - start) * 1000
return jsonify({
"predictions": results,
"total_latency_ms": round(total_ms, 2),
"images_processed": len(results),
"avg_latency_ms": round(total_ms / len(results), 2)
})
if __name__ == "__main__":
app.run(host="0.0.0.0", port=5000)
# Production: gunicorn flask_coreml_server:app -w 2 -b 0.0.0.0:5000 --timeout 120
選択肢 B: FastAPI サーバー(非同期 + OpenAPI ドキュメント)
# fastapi_coreml_server.py
# pip install fastapi uvicorn python-multipart pillow coremltools
import io
import time
import asyncio
from concurrent.futures import ThreadPoolExecutor
import coremltools as ct
from fastapi import FastAPI, File, UploadFile, HTTPException
from fastapi.responses import JSONResponse
from PIL import Image
from typing import List
app = FastAPI(
title="CoreML Inference API",
description="Production CoreML model serving on Mac Mini M4",
version="1.0.0"
)
# Load model at startup
model = ct.models.MLModel(
"ResNet50_optimized.mlpackage",
compute_units=ct.ComputeUnit.ALL
)
# Thread pool for blocking CoreML calls
executor = ThreadPoolExecutor(max_workers=4)
def run_prediction(image_bytes: bytes) -> dict:
"""Run CoreML prediction in a thread (blocking call)."""
image = Image.open(io.BytesIO(image_bytes)).resize((224, 224))
start = time.perf_counter()
result = model.predict({"image": image})
latency = (time.perf_counter() - start) * 1000
return {"prediction": result, "latency_ms": round(latency, 2)}
@app.get("/health")
async def health():
return {"status": "healthy", "model": "ResNet50_optimized", "engine": "CoreML"}
@app.post("/predict")
async def predict(image: UploadFile = File(...)):
if not image.content_type.startswith("image/"):
raise HTTPException(status_code=400, detail="File must be an image")
image_bytes = await image.read()
loop = asyncio.get_event_loop()
result = await loop.run_in_executor(executor, run_prediction, image_bytes)
return result
@app.post("/predict/batch")
async def predict_batch(images: List[UploadFile] = File(...)):
loop = asyncio.get_event_loop()
tasks = []
for img in images:
image_bytes = await img.read()
tasks.append(loop.run_in_executor(executor, run_prediction, image_bytes))
results = await asyncio.gather(*tasks)
return {
"predictions": list(results),
"total_images": len(results)
}
# Run: uvicorn fastapi_coreml_server:app --host 0.0.0.0 --port 8000 --workers 2
API をテストする
# Test single prediction
curl -X POST http://localhost:8000/predict \
-F "image=@test_image.jpg"
# Test batch prediction
curl -X POST http://localhost:8000/predict/batch \
-F "images=@image1.jpg" \
-F "images=@image2.jpg" \
-F "images=@image3.jpg"
# Health check
curl http://localhost:8000/health
# Python client example
import requests
with open("test_image.jpg", "rb") as f:
response = requests.post(
"http://your-mac-mini:8000/predict",
files={"image": f}
)
print(response.json())
# {"prediction": {"classLabel": "golden_retriever", "confidence": 0.94}, "latency_ms": 3.2}
launchd による Systemd 風のサービス
# Create launchd plist for auto-start on boot
cat <<EOF > ~/Library/LaunchAgents/com.coreml.api.plist
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE plist PUBLIC "-//Apple//DTD PLIST 1.0//EN"
"http://www.apple.com/DTDs/PropertyList-1.0.dtd">
<plist version="1.0">
<dict>
<key>Label</key>
<string>com.coreml.api</string>
<key>ProgramArguments</key>
<array>
<string>/Users/admin/coreml-env/bin/uvicorn</string>
<string>fastapi_coreml_server:app</string>
<string>--host</string>
<string>0.0.0.0</string>
<string>--port</string>
<string>8000</string>
<string>--workers</string>
<string>2</string>
</array>
<key>WorkingDirectory</key>
<string>/Users/admin/coreml-api</string>
<key>RunAtLoad</key>
<true/>
<key>KeepAlive</key>
<true/>
<key>StandardOutPath</key>
<string>/var/log/coreml-api.log</string>
<key>StandardErrorPath</key>
<string>/var/log/coreml-api-error.log</string>
</dict>
</plist>
EOF
# Load the service
launchctl load ~/Library/LaunchAgents/com.coreml.api.plist
# Verify
curl http://localhost:8000/health
7. パフォーマンスベンチマーク
これらのベンチマークは、Mac Mini M4 上の CoreML 推論を、PyTorch MPS(Metal Performance Shaders)および CPU のみの実行と比較したものです。すべてのテストはバッチサイズ 1 の単一画像推論を使用しています。
画像分類(ResNet50、224x224 入力)
| ランタイム | 精度 | レイテンシ(ミリ秒) | スループット(枚/秒) | 電力(W) |
|---|---|---|---|---|
| CoreML (Neural Engine) | Int8 | 1.2 ms | ~833 | ~3W |
| CoreML (Neural Engine) | Float16 | 2.1 ms | ~476 | ~4W |
| CoreML (GPU only) | Float16 | 3.8 ms | ~263 | ~8W |
| PyTorch MPS (GPU) | Float32 | 5.4 ms | ~185 | ~10W |
| PyTorch CPU | Float32 | 18.6 ms | ~54 | ~12W |
物体検出(YOLOv8n、640x640 入力)
| ランタイム | 精度 | レイテンシ(ミリ秒) | スループット(枚/秒) | mAP@0.5 |
|---|---|---|---|---|
| CoreML (All Units) | Float16 | 4.8 ms | ~208 | 37.2% |
| CoreML (All Units) | Int8 | 3.5 ms | ~286 | 36.8% |
| PyTorch MPS (GPU) | Float32 | 12.3 ms | ~81 | 37.3% |
| PyTorch CPU | Float32 | 45.7 ms | ~22 | 37.3% |
自分でベンチマークを実行する
import coremltools as ct
import numpy as np
import time
model = ct.models.MLModel("ResNet50_optimized.mlpackage", compute_units=ct.ComputeUnit.ALL)
# Warmup (first inference compiles the model for the Neural Engine)
from PIL import Image
dummy = Image.new("RGB", (224, 224))
for _ in range(10):
model.predict({"image": dummy})
# Benchmark
latencies = []
for _ in range(1000):
start = time.perf_counter()
model.predict({"image": dummy})
latencies.append((time.perf_counter() - start) * 1000)
latencies = np.array(latencies)
print(f"Mean latency: {latencies.mean():.2f} ms")
print(f"Median latency: {np.median(latencies):.2f} ms")
print(f"P95 latency: {np.percentile(latencies, 95):.2f} ms")
print(f"P99 latency: {np.percentile(latencies, 99):.2f} ms")
print(f"Throughput: {1000 / latencies.mean():.0f} images/sec")
重要な結論: Neural Engine を使った CoreML は、同じハードウェア上で PyTorch MPS より 3〜4 倍優れたスループットを、CPU のみの推論より 10〜15 倍優れたスループットを実現します。int8 量子化の経路が最適解であり、ほとんどのモデルで 0.5% 未満の精度低下で最速の推論が得られます。
8. 複数モデルによるスケーリング
本番デプロイでは、複数のモデルを提供したり、高い同時実行数を処理したりする必要が多くあります。nginx をリバースプロキシおよびロードバランサーとして使い、複数の Mac Mini M4 インスタンスに負荷を分散させることも、1 台のマシンから複数のモデルを提供することもできます。
マルチモデルサーバー
# multi_model_server.py
import io
import time
import coremltools as ct
from fastapi import FastAPI, File, UploadFile, HTTPException
from PIL import Image
app = FastAPI(title="Multi-Model CoreML Server")
# Load multiple models at startup
models = {}
@app.on_event("startup")
async def load_models():
print("Loading models...")
models["resnet50"] = ct.models.MLModel(
"ResNet50_optimized.mlpackage", compute_units=ct.ComputeUnit.ALL
)
models["yolov8"] = ct.models.MLModel(
"YOLOv8n.mlpackage", compute_units=ct.ComputeUnit.ALL
)
models["efficientnet"] = ct.models.MLModel(
"EfficientNetV2S.mlpackage", compute_units=ct.ComputeUnit.ALL
)
print(f"Loaded {len(models)} models: {list(models.keys())}")
@app.get("/models")
async def list_models():
return {"models": list(models.keys())}
@app.post("/predict/{model_name}")
async def predict(model_name: str, image: UploadFile = File(...)):
if model_name not in models:
raise HTTPException(404, f"Model '{model_name}' not found. Available: {list(models.keys())}")
image_data = Image.open(io.BytesIO(await image.read()))
# Resize based on model requirements
input_sizes = {"resnet50": (224, 224), "yolov8": (640, 640), "efficientnet": (384, 384)}
image_data = image_data.resize(input_sizes.get(model_name, (224, 224)))
start = time.perf_counter()
result = models[model_name].predict({"image": image_data})
latency = (time.perf_counter() - start) * 1000
return {"model": model_name, "prediction": result, "latency_ms": round(latency, 2)}
# Run: uvicorn multi_model_server:app --host 0.0.0.0 --port 8000
複数の Mac Mini にまたがる Nginx ロードバランサー
# /etc/nginx/nginx.conf
# Install nginx: brew install nginx
upstream coreml_backend {
# Round-robin across multiple Mac Mini M4 instances
server 10.0.1.10:8000 weight=1; # Mac Mini M4 #1
server 10.0.1.11:8000 weight=1; # Mac Mini M4 #2
server 10.0.1.12:8000 weight=1; # Mac Mini M4 #3
# Health check: remove unhealthy backends
keepalive 32;
}
server {
listen 80;
server_name api.yourdomain.com;
# Rate limiting
limit_req_zone $binary_remote_addr zone=api:10m rate=100r/s;
location / {
limit_req zone=api burst=50 nodelay;
proxy_pass http://coreml_backend;
proxy_set_header Host $host;
proxy_set_header X-Real-IP $remote_addr;
proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
# Timeout settings for ML inference
proxy_connect_timeout 10s;
proxy_send_timeout 30s;
proxy_read_timeout 30s;
# Enable keepalive to backend
proxy_http_version 1.1;
proxy_set_header Connection "";
}
location /health {
proxy_pass http://coreml_backend;
access_log off;
}
}
# Test config and start
# nginx -t
# nginx
ローカル開発向けの Docker-Compose
# docker-compose.yml
# Note: CoreML requires macOS -- Docker containers run CPU-only inference
# For production, use launchd services directly on macOS
version: "3.8"
services:
nginx:
image: nginx:alpine
ports:
- "80:80"
volumes:
- ./nginx.conf:/etc/nginx/nginx.conf:ro
depends_on:
- coreml-api
coreml-api:
build: .
ports:
- "8000:8000"
volumes:
- ./models:/app/models
environment:
- MODEL_PATH=/app/models/ResNet50_optimized.mlpackage
- WORKERS=2
deploy:
replicas: 2
9. モニタリングと可観測性
本番の ML システムでは、推論レイテンシ、スループット、エラー率、システムリソースの使用状況を監視する必要があります。ここでは、Prometheus のメトリクスとシステムレベルの監視を使って CoreML API を計装する方法を紹介します。
FastAPI に Prometheus メトリクスを追加する
# pip install prometheus-client prometheus-fastapi-instrumentator
import io
import time
import coremltools as ct
from fastapi import FastAPI, File, UploadFile
from PIL import Image
from prometheus_client import Counter, Histogram, Gauge, generate_latest
from starlette.responses import Response
app = FastAPI(title="CoreML API with Monitoring")
# Prometheus metrics
PREDICTIONS_TOTAL = Counter(
"coreml_predictions_total",
"Total number of predictions",
["model", "status"]
)
PREDICTION_LATENCY = Histogram(
"coreml_prediction_latency_seconds",
"Prediction latency in seconds",
["model"],
buckets=[0.001, 0.002, 0.005, 0.01, 0.025, 0.05, 0.1, 0.25, 0.5, 1.0]
)
MODEL_LOAD_TIME = Gauge(
"coreml_model_load_time_seconds",
"Time taken to load the model",
["model"]
)
ACTIVE_REQUESTS = Gauge(
"coreml_active_requests",
"Number of currently active requests"
)
# Load model with timing
load_start = time.perf_counter()
model = ct.models.MLModel("ResNet50_optimized.mlpackage", compute_units=ct.ComputeUnit.ALL)
MODEL_LOAD_TIME.labels(model="resnet50").set(time.perf_counter() - load_start)
@app.get("/metrics")
async def metrics():
return Response(content=generate_latest(), media_type="text/plain")
@app.post("/predict")
async def predict(image: UploadFile = File(...)):
ACTIVE_REQUESTS.inc()
try:
img = Image.open(io.BytesIO(await image.read())).resize((224, 224))
start = time.perf_counter()
result = model.predict({"image": img})
latency = time.perf_counter() - start
PREDICTION_LATENCY.labels(model="resnet50").observe(latency)
PREDICTIONS_TOTAL.labels(model="resnet50", status="success").inc()
return {"prediction": result, "latency_ms": round(latency * 1000, 2)}
except Exception as e:
PREDICTIONS_TOTAL.labels(model="resnet50", status="error").inc()
raise
finally:
ACTIVE_REQUESTS.dec()
# Run: uvicorn monitored_server:app --host 0.0.0.0 --port 8000
Prometheus の設定
# prometheus.yml
global:
scrape_interval: 15s
evaluation_interval: 15s
scrape_configs:
- job_name: "coreml-api"
static_configs:
- targets:
- "10.0.1.10:8000" # Mac Mini #1
- "10.0.1.11:8000" # Mac Mini #2
- "10.0.1.12:8000" # Mac Mini #3
metrics_path: /metrics
scrape_interval: 5s
- job_name: "node-exporter"
static_configs:
- targets:
- "10.0.1.10:9100"
- "10.0.1.11:9100"
- "10.0.1.12:9100"
システムレベルの監視スクリプト
#!/bin/bash
# monitor_coreml.sh -- System health monitoring for CoreML inference servers
# Run with: ./monitor_coreml.sh
echo "=== CoreML Server Health Monitor ==="
echo "$(date)"
echo ""
# Memory usage (critical for CoreML model loading)
echo "--- Memory Usage ---"
vm_stat | head -10
echo ""
memory_pressure
echo ""
# CPU and GPU utilization
echo "--- CPU Usage ---"
top -l 1 -n 5 -stats pid,command,cpu,mem | head -10
echo ""
# GPU/Neural Engine power (indicates compute unit activity)
echo "--- GPU/Neural Engine Power ---"
sudo powermetrics --samplers gpu_power,ane_power -n 1 -i 2000 2>/dev/null | grep -E "(GPU|ANE|Neural)"
echo ""
# Disk usage (model files can be large)
echo "--- Disk Usage ---"
df -h / | tail -1
echo ""
# Network connections to API
echo "--- Active API Connections ---"
netstat -an | grep ":8000" | wc -l | xargs echo "Active connections on port 8000:"
echo ""
# API health check
echo "--- API Health Check ---"
curl -s -w "\nHTTP Status: %{http_code}\nResponse Time: %{time_total}s\n" \
http://localhost:8000/health 2>/dev/null || echo "API is DOWN"
Grafana ダッシュボードのクエリ
# Useful PromQL queries for your Grafana dashboard:
# Average prediction latency (last 5 minutes)
rate(coreml_prediction_latency_seconds_sum[5m]) / rate(coreml_prediction_latency_seconds_count[5m])
# Predictions per second
rate(coreml_predictions_total[1m])
# P99 latency
histogram_quantile(0.99, rate(coreml_prediction_latency_seconds_bucket[5m]))
# Error rate percentage
rate(coreml_predictions_total{status="error"}[5m]) / rate(coreml_predictions_total[5m]) * 100
# Active concurrent requests
coreml_active_requests
10. よくある質問
Xcode プロジェクトなしで Python から CoreML を使えますか?
はい。coremltools Python パッケージは、完全な推論機能を提供します。.mlpackage モデルを読み込み、Python スクリプト、Flask/FastAPI サーバー、Jupyter ノートブックから直接予測を実行できます。Xcode、Swift、Objective-C は不要です。
CoreML は Mac Mini M4 で実際に Neural Engine を使いますか?
はい。compute_units=ct.ComputeUnit.ALL を設定すると、CoreML のコンパイラは対応する演算を自動的に Neural Engine にルーティングします。sudo powermetrics --samplers ane_power で消費電力を監視すれば、これを確認できます。推論中に ANE(Apple Neural Engine)が電力を消費している様子が見られます。
Mac Mini M4 の CoreML に最も適したモデルの種類は何ですか?
CoreML は、畳み込みニューラルネットワーク(画像分類、物体検出、セグメンテーション)、Transformer モデル(NLP、ビジョン Transformer)、標準的なフィードフォワードネットワークで特に優れています。Neural Engine は、畳み込みと行列積の演算を持つ量子化された int8 モデルに特に効果的です。Neural Engine にマッピングできないカスタム演算は、自動的に GPU または CPU にフォールバックします。
CoreML は MPS(Metal)で PyTorch を実行する場合と比べてどうですか?
CoreML は通常、推論において PyTorch MPS より 2〜4 倍高速です。これは Neural Engine(PyTorch はアクセスできません)を使え、コンパイル時にハードウェア固有のグラフ最適化を適用するためです。PyTorch MPS は Metal シェーダー経由で GPU のみを使用します。学習ワークロードでは、CoreML は推論専用であるため PyTorch MPS の方が適しています。
大規模言語モデル(LLM)を CoreML に変換できますか?
可能ですが、常に実用的とは限りません。CoreML は Transformer アーキテクチャに対応しており、Apple は Stable Diffusion や一部の言語モデルが CoreML 上で動作することを実証しています。ただし LLM に関して言えば、MLX、Ollama、llama.cpp のようなフレームワークの方が自己回帰的なテキスト生成に最適化されています。CoreML はエンコーダーのみのモデル(BERT、埋め込み)やビジョンモデルで真価を発揮します。
CoreML モデルは実行時にどのくらいのメモリを使いますか?
CoreML モデルは、ディスク上のファイルサイズとほぼ同じメモリに、中間活性化とランタイム自体のためのわずかなオーバーヘッドを加えた量を使用します。float16 の ResNet50 は約 50MB、int8 版は約 25MB を使います。M4 の 16GB ユニファイドメモリなら、最適化されたモデルを 10 個以上同時に、あるいは EfficientNet やビジョン Transformer のようなより大きなモデルを数個、余裕を持って提供できます。
初回推論時のコンパイル遅延はありますか?
はい。CoreML モデルが特定の計算ユニット構成で初めて実行されるとき、システムは最適化された実行プランをコンパイルします。これはモデルの複雑さに応じて 2〜10 秒かかることがあります。以降の推論はほぼ即座です。本番 API では、このコンパイルコストを吸収するために、トラフィックを受け付ける前に必ず起動時にウォームアップ用の予測を実行してください。