Join us for Firebase Summit on November 10, 2021. Tune in to learn how Firebase can help you accelerate app development, release with confidence, and scale with ease. Register

مدلهای سفارشی

اگر شما یک توسعه دهنده ML تجربه و مدل های از پیش ساخته شده ML کیت نیازهای خود را برآورده نمی کند، شما می توانید سفارشی استفاده کنید TensorFlow بازگشت به محتوا | مدل با ML کیت.

مدلهای TensorFlow Lite خود را با استفاده از Firebase میزبانی کنید یا آنها را با برنامه خود بسته بندی کنید. سپس ، از ML Kit SDK برای انجام استنباط با استفاده از بهترین نسخه موجود مدل سفارشی خود استفاده کنید. اگر مدل خود را با Firebase میزبانی می کنید ، ML Kit به طور خودکار آخرین نسخه کاربران را به روز می کند.

در iOS آندروید

قابلیت های کلیدی

میزبانی مدل TensorFlow Lite مدلهای خود را با استفاده از Firebase میزبانی کنید تا اندازه باینری برنامه شما کاهش یابد و مطمئن شوید که برنامه شما همیشه از جدیدترین نسخه مدل شما استفاده می کند
استنتاج ML روی دستگاه با استفاده از ML Kit SDK برای اجرای مدل سفارشی TensorFlow Lite استنباط را در یک برنامه iOS یا Android انجام دهید. مدل را می توان با برنامه همراه کرد ، در Cloud میزبانی کرد یا هر دو.
مدل جایگزین اتوماتیک تعیین چندین منبع مدل ؛ هنگامی که مدل میزبانی شده در دسترس نیست از یک مدل ذخیره شده محلی استفاده کنید
به روز رسانی خودکار مدل شرایطی را که برنامه شما به طور خودکار نسخه های جدید مدل شما را بارگیری می کند پیکربندی کنید: وقتی دستگاه کاربر بیکار است ، در حال شارژ شدن است یا اتصال Wi-Fi دارد

مسیر پیاده سازی

مدل TensorFlow خود را آموزش دهید با استفاده از TensorFlow یک مدل سفارشی بسازید و آموزش دهید. یا ، یک مدل موجود را آموزش دهید که مشکلی مشابه آنچه می خواهید به آن برسید را حل کند. TensorFlow بازگشت به محتوا | مشاهده راهنمای توسعه .
مدل را به TensorFlow Lite تبدیل کنید با انجماد نمودار و سپس استفاده از مبدل بهینه سازی TensorFlow (TOCO) مدل خود را از قالب استاندارد TensorFlow به TensorFlow Lite تبدیل کنید. TensorFlow بازگشت به محتوا | مشاهده راهنمای توسعه .
مدل TensorFlow Lite خود را با Firebase میزبانی کنید اختیاری: وقتی مدل TensorFlow Lite خود را با Firebase میزبانی می کنید و ML Kit SDK را در برنامه خود قرار می دهید ، ML Kit کاربران شما را از آخرین نسخه مدل شما مطلع می کند. می توانید ML Kit را طوری پیکربندی کنید که به طور خودکار به روزرسانی های مدل را بارگیری کند وقتی دستگاه کاربر در حالت خاموش یا در حال شارژ یا اتصال Wi-Fi است.
برای نتیجه گیری از مدل TensorFlow Lite استفاده کنید از API های مدل سفارشی ML Kit در برنامه iOS یا Android خود استفاده کنید تا با مدل میزبانی شده یا بسته نرم افزاری خود استنتاج کنید.