我们的思路是，先从神经网络模型的视角出发，看看模型需要什么样的输入；再从XCode中object-c语言、swift语言(还可以使用Vision框架啊）的视角出发，看如何能能够从相册或者摄像头获取视觉信息，并转换为模型所需要的输入。

这些视觉信息在iOS的SDK中由不同的对象代表(OC和Swift中一样），非常有意思，这些对象有：

CMSampleBufferRef
CVPixelBufferRef
CIImage
CGImageRef
UIImage

会发现这些对象名称都有那种有规律的前缀，它们的含义是：CV代表CoreVideo，CI代表CoreImage，CM代表 CoreMedia，CF代表CoreFoundation，CG代表 CoreGraphic，UI代表User Interface。

以上出处：https://home.cnblogs.com/blog/