Catch up on highlights from Firebase at Google I/O 2023.
Learn more
透過集合功能整理內容
你可以依據偏好儲存及分類內容。
定制模型
plat_ios
plat_android
如果您是一位經驗豐富的 ML 開發人員並且 ML Kit 的預構建模型不能滿足您的需求,您可以將自定義TensorFlow Lite模型與 ML Kit 結合使用。
使用 Firebase 託管您的 TensorFlow Lite 模型或將它們打包到您的應用中。然後,使用 ML Kit SDK 使用自定義模型的最佳可用版本執行推理。如果您使用 Firebase 託管模型,ML Kit 會自動使用最新版本更新您的用戶。
iOS安卓
關鍵能力
TensorFlow Lite 模型託管 | 使用 Firebase 託管您的模型以減少應用的二進制大小並確保您的應用始終使用模型的最新可用版本 |
設備端機器學習推理 | 使用 ML Kit SDK 在 iOS 或 Android 應用程序中執行推理,以運行您的自定義 TensorFlow Lite 模型。該模型可以與應用程序捆綁、託管在雲中,或兩者兼而有之。 |
自動模型回退 | 指定多個模型源;當云託管模型不可用時,使用本地存儲的模型 |
自動模型更新 | 配置應用自動下載模型新版本的條件:當用戶的設備空閒、正在充電或有 Wi-Fi 連接時 |
實施路徑
| 訓練您的 TensorFlow 模型 | 使用 TensorFlow 構建和訓練自定義模型。或者,重新訓練現有模型以解決與您想要實現的目標類似的問題。請參閱 TensorFlow Lite開發人員指南。 |
| 將模型轉換為 TensorFlow Lite | 通過凍結圖形,然後使用 TensorFlow Optimizing Converter (TOCO),將您的模型從標準 TensorFlow 格式轉換為 TensorFlow Lite。請參閱 TensorFlow Lite開發人員指南。 |
| 使用 Firebase 託管您的 TensorFlow Lite 模型 | 可選:當您使用 Firebase 託管 TensorFlow Lite 模型並在您的應用中包含 ML Kit SDK 時,ML Kit 會讓您的用戶了解最新版本的模型。您可以將 ML Kit 配置為在用戶設備空閒或充電或有 Wi-Fi 連接時自動下載模型更新。 |
| 使用 TensorFlow Lite 模型進行推理 | 在您的 iOS 或 Android 應用中使用 ML Kit 的自定義模型 API 來對您的 Firebase 託管或應用捆綁模型執行推理。 |
除非另有註明,否則本頁面中的內容是採用創用 CC 姓名標示 4.0 授權,程式碼範例則為阿帕契 2.0 授權。詳情請參閱《Google Developers 網站政策》。Java 是 Oracle 和/或其關聯企業的註冊商標。
上次更新時間:2023-09-13 (世界標準時間)。
[{
"type": "thumb-down",
"id": "missingTheInformationINeed",
"label":"缺少我需要的資訊"
},{
"type": "thumb-down",
"id": "tooComplicatedTooManySteps",
"label":"過於複雜/步驟過多"
},{
"type": "thumb-down",
"id": "outOfDate",
"label":"過時"
},{
"type": "thumb-down",
"id": "translationIssue",
"label":"翻譯問題"
},{
"type": "thumb-down",
"id": "samplesCodeIssue",
"label":"示例/程式碼問題"
},{
"type": "thumb-down",
"id": "otherDown",
"label":"其他"
}]
[{
"type": "thumb-up",
"id": "easyToUnderstand",
"label":"容易理解"
},{
"type": "thumb-up",
"id": "solvedMyProblem",
"label":"確實解決了我的問題"
},{
"type": "thumb-up",
"id": "otherUp",
"label":"其他"
}]