coreml‑cli

macOS 上で Apple Core ML モデルを扱うためのネイティブなコマンドラインインターフェースです。
Xcode や Python を使わずに、Core ML モデルの検査・推論実行・ベンチマーク・管理が可能です。

機能

• Inspect – モデル構造、入力／出力、メタデータを表示
• Predict – 画像・テキスト・JSON データに対して推論を実行
• Batch – 複数ファイルを並列で処理
• Benchmark – 推論遅延とスループットを測定
• Compile –

  .mlmodel

  を最適化された

  .mlmodelc

  形式へ変換
• Metadata – モデルメタデータの表示・管理

インストール

Homebrew（推奨）

brew tap schappim/coreml-cli
brew install coreml-cli

バイナリをダウンロード

curl -L https://github.com/schappim/coreml-cli/releases/download/v1.0.0/coreml-1.0.0-macos.tar.gz -o coreml.tar.gz
tar -xzf coreml.tar.gz
sudo mv coreml /usr/local/bin/

ソースからビルド

(macOS 13+ と Swift 5.9+ が必要)

git clone https://github.com/schappim/coreml-cli.git
cd coreml-cli
swift build -c release
sudo cp .build/release/coreml /usr/local/bin/

インストール確認

coreml --version   # → coreml 1.0.0

使用方法

モデルの検査

coreml inspect MobileNetV2.mlmodel

出力例

Model: MobileNetV2
Size: 24.7 MB
Compiled: No

Inputs:
  image: image 224x224 BGRA32

Outputs:
  classLabel: string
  classLabelProbs: dictionary

Metadata:
  Author: Original Paper: Mark Sandler, Andrew Howard...
  Description: Detects the dominant objects present in an image...

スクリプト用 JSON 出力：

coreml inspect MobileNetV2.mlmodel --json

推論実行

画像分類

coreml predict MobileNetV2.mlmodel --input photo.jpg

出力例

Input: photo.jpg
Inference time: 1.66 ms

Outputs:
  classLabel: golden retriever
  classLabelProbs: golden retriever: 0.8721, Labrador retriever: 0.0543...

結果をファイルへ保存

coreml predict MobileNetV2.mlmodel --input photo.jpg \
                                   --output results.json --json

計算デバイスの選択

coreml predict MobileNetV2.mlmodel --device ane   # Apple Neural Engine
coreml predict MobileNetV2.mlmodel --device gpu   # GPU
coreml predict MobileNetV2.mlmodel --device cpu   # CPUのみ

バッチ処理

画像ディレクトリを処理

coreml batch MobileNetV2.mlmodel --dir ./photos \
                                 --out ./results --format csv

出力例

Found 100 input files
Results written to: ./results/results.csv

Processed 100 files in 892.45 ms
Average inference time: 2.15 ms

並列度の制御

coreml batch MobileNetV2.mlmodel --dir ./photos \
                                 --out ./results --concurrency 8

性能ベンチマーク

推論遅延を測定

coreml benchmark MobileNetV2.mlmodel --input sample.jpg

出力（抜粋）

Benchmark Results for: MobileNetV2
==================================================

Configuration:
  Device: all
  Iterations: 100
  Warmup: 10

Latency (ms):
  Mean:      1.279
  Min:       1.008
  Max:       1.602
  StdDev:    0.204

Percentiles (ms):
  P50:       1.200
  P95:       1.523
  P99:       1.589

Throughput: 781.86 inferences/sec

カスタムイテレーション

coreml benchmark MobileNetV2.mlmodel --input sample.jpg \
                                     -n 500 --warmup 50

CI/CD 用 JSON 出力

coreml benchmark MobileNetV2.mlmodel --input sample.jpg --json > benchmark.json

モデルのコンパイル

.mlmodel

.mlmodelc

coreml compile MobileNetV2.mlmodel

出力例

Compilation successful!
  Source: /path/to/MobileNetV2.mlmodel
  Output: /path/to/MobileNetV2.mlmodelc
  Original size: 24.7 MB
  Compiled size: 24.5 MB

検証付き

coreml compile MobileNetV2.mlmodel --validate \
                                   --output-dir ./compiled/

メタデータの表示

モデルメタデータ取得

coreml meta get MobileNetV2.mlmodel

出力（抜粋）

Metadata for: MobileNetV2.mlmodel

  Author:      Original Paper: Mark Sandler, Andrew Howard...
  Description: Detects the dominant objects present in an image...
  License:     Please see https://github.com/tensorflow/tensorflow...
  Version:     1.0

コマンドリファレンス

coreml inspect <model>

coreml predict <model> -i <input>

coreml batch <model> --dir <dir> --out <dir>

coreml benchmark <model> -i <input>

coreml compile <model>

coreml meta get <model>

グローバルオプション

• --json, -j

  – JSON 形式で出力

• --device <device>

  – 計算デバイス:

  cpu

  ,

  gpu

  ,

  ane

  , または

  all

• --help, -h

  – ヘルプを表示

• --version

  – バージョン情報を表示

サポート入力タイプ

.jpg

.jpeg

.png

.heic

.wav

.txt

.json

例

画像分類パイプライン

#!/bin/bash
MODEL="MobileNetV2.mlmodel"
INPUT_DIR="./images"
OUTPUT_DIR="./classifications"

# バッチ分類実行
coreml batch "$MODEL" --dir "$INPUT_DIR" \
                      --out "$OUTPUT_DIR" --format csv

# 結果表示
cat "$OUTPUT_DIR/results.csv"

性能比較

#!/bin/bash
MODEL="MobileNetV2.mlmodel"
INPUT="test.jpg"

echo "CPU Only:"
coreml benchmark "$MODEL" -i "$INPUT" --device cpu \
                                   -n 50 --json | jq '.meanLatencyMs'

echo "GPU:"
coreml benchmark "$MODEL" -i "$INPUT" --device gpu \
                                   -n 50 --json | jq '.meanLatencyMs'

echo "Neural Engine:"
coreml benchmark "$MODEL" -i "$INPUT" --device ane \
                                   -n 50 --json | jq '.meanLatencyMs'

CI/CD 統合（GitHub Actions）

- name: Benchmark Model
  run: |
    coreml benchmark model.mlmodel -i test.jpg --json > benchmark.json

- name: Check Performance Regression
  run: |
    LATENCY=$(jq '.meanLatencyMs' benchmark.json)
    if (( $(echo "$LATENCY > 10" | bc -l) )); then
      echo "Performance regression detected: ${LATENCY}ms"
      exit 1
    fi

JSON テンソル入力

input.json

[5.1, 3.5, 1.4, 0.2]

推論実行:

coreml predict MyClassifier.mlmodel --input input.json

バッチ処理例:

mkdir json_samples
echo '[5.1, 3.5, 1.4, 0.2]' > json_samples/sample1.json
# ...他のサンプルを追加...

coreml batch MyClassifier.mlmodel --dir json_samples \
                                 --out json_results --format csv

要件

• macOS 13.0 以降
• Apple Silicon または Intel Mac
• Core ML モデル（

  .mlmodel

  ,

  .mlpackage

  ,

  .mlmodelc

  ）

ライセンス

MIT License –

LICENSE

コントリビューション

貢献歓迎です！ issue を開くか pull request を送信してください。

Swift Argument Parser で構築
Apple の Core ML フレームワークを使用