Google is committed to advancing racial equity for Black communities. See how.
इस पेज का अनुवाद Cloud Translation API से किया गया है.
Switch to English

फायरबेस के लिए एमएल किट

वास्तविक दुनिया की समस्याओं को हल करने के लिए अपने एप्लिकेशन में मशीन सीखने का उपयोग करें।

एमएल किट एक मोबाइल एसडीके है जो Google के मशीन लर्निंग विशेषज्ञता को एंड्रॉइड और आईओएस ऐप के लिए एक शक्तिशाली अभी तक आसानी से उपयोग होने वाले पैकेज में लाता है। चाहे आप मशीन सीखने में नए या अनुभवी हों, आप कोड की कुछ लाइनों में अपनी कार्यक्षमता को लागू कर सकते हैं। आरंभ करने के लिए तंत्रिका नेटवर्क या मॉडल अनुकूलन का गहरा ज्ञान होने की कोई आवश्यकता नहीं है। दूसरी ओर, यदि आप एक अनुभवी एमएल डेवलपर हैं, तो एमएल किट सुविधाजनक एपीआई प्रदान करती है जो आपके मोबाइल एप्लिकेशन में आपके कस्टम TensorFlow Lite मॉडल का उपयोग करने में आपकी सहायता करती है।

मुख्य क्षमताएं

उत्पादन-आम उपयोग के मामलों के लिए तैयार

एमएल किट आम ​​मोबाइल उपयोग के मामलों के लिए रेडी-टू-यूज एपीआई के एक सेट के साथ आता है: पाठ की पहचान करना, चेहरे का पता लगाना, स्थलों की पहचान करना, बारकोड को स्कैन करना, छवियों को लेबल करना और पाठ की भाषा की पहचान करना। बस एमएल किट लाइब्रेरी में डेटा पास करें और यह आपको आवश्यक जानकारी देता है।

ऑन-डिवाइस या क्लाउड में

एमएल किट का एपीआई का चयन डिवाइस पर या क्लाउड में चलता है। हमारे ऑन-डिवाइस API आपके डेटा को तेज़ी से प्रोसेस कर सकते हैं और नेटवर्क कनेक्शन न होने पर भी काम कर सकते हैं। दूसरी ओर, हमारे क्लाउड-आधारित API, Google क्लाउड प्लेटफ़ॉर्म की मशीन लर्निंग तकनीक की शक्ति का लाभ उठाते हैं, जिससे आपको और भी अधिक सटीकता प्राप्त हो सके।

कस्टम मॉडल तैनात करें

यदि ML किट के API आपके उपयोग के मामलों को कवर नहीं करते हैं, तो आप हमेशा अपने मौजूदा TensorFlow Lite मॉडल ला सकते हैं। बस अपने मॉडल को Firebase पर अपलोड करें, और हम इसे आपके ऐप पर होस्ट करने और इसे परोसने का ध्यान रखेंगे। एमएल किट आपके कस्टम मॉडल के लिए एपीआई लेयर के रूप में कार्य करता है, जिससे इसे चलाना और उपयोग करना सरल हो जाता है।

यह कैसे काम करता है?

ML किट Google की ML प्रौद्योगिकियों, जैसे Google क्लाउड विज़न API , TensorFlow Lite , और Android न्यूरल नेटवर्क्स API को एक ही SDK में लाकर आपके ऐप्स में ML तकनीकों को लागू करना आसान बनाता है। चाहे आपको क्लाउड-आधारित प्रसंस्करण की शक्ति की आवश्यकता हो, मोबाइल-अनुकूलित ऑन-डिवाइस मॉडल की वास्तविक-समय की क्षमताओं या कस्टम TensorFlow Lite मॉडल के लचीलेपन की, एमएल किट कोड की कुछ पंक्तियों के साथ इसे संभव बनाती है।

डिवाइस पर या क्लाउड में क्या सुविधाएँ उपलब्ध हैं?

फ़ीचर उपकरण पर बादल
पाठ मान्यता
चेहरा पहचानना
बारकोड स्कैनिंग
छवि लेबलिंग
वस्तु का पता लगाने और ट्रैकिंग
ऐतिहासिक मान्यता
भाषा की पहचान
अनुवाद
स्मार्ट जवाब
ऑटोएमएल मॉडल निष्कर्ष
कस्टम मॉडल इंजेक्शन

कार्यान्वयन पथ

एसडीके को एकीकृत करें ग्रैड या कोकोआपोड्स का उपयोग करके एसडीके को जल्दी से शामिल करें।
इनपुट डेटा तैयार करें उदाहरण के लिए, यदि आप एक विज़न फीचर का उपयोग कर रहे हैं, तो कैमरे से एक इमेज कैप्चर करें और आवश्यक मेटाडेटा उत्पन्न करें जैसे कि इमेज रोटेशन, या उपयोगकर्ता को उनकी गैलरी से फोटो का चयन करने के लिए संकेत दें।
अपने डेटा के लिए एमएल मॉडल लागू करें एमएल मॉडल को अपने डेटा पर लागू करने से, आप अंतर्दृष्टि का पता लगाते हैं जैसे कि पहचाने गए चेहरे की भावनात्मक स्थिति या आपके द्वारा उपयोग की जाने वाली सुविधा के आधार पर छवि में पहचाने गए ऑब्जेक्ट और अवधारणाएं। अपने ऐप में फोटो एम्बेलमेंट, ऑटोमैटिक मेटाडेटा जेनरेशन या अन्य जो भी आप कल्पना कर सकते हैं, इन सुविधाओं का उपयोग करें।

अगला कदम