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

定制模型

如果你是一個有經驗的ML開發商和ML套件預先建立的模型不能滿足您的需求,您可以使用自定義TensorFlow精簡版與ML套件模式。

使用 Firebase 託管您的 TensorFlow Lite 模型或將它們與您的應用程序一起打包。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版的Android

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製文件大小並確保您的應用始終使用模型的最新版本
設備端機器學習推理通過使用 ML Kit SDK 運行您的自定義 TensorFlow Lite 模型,在 iOS 或 Android 應用程序中執行推理。該模型可以與應用程序捆綁在一起,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
自動模型更新配置您的應用程序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

訓練你的 TensorFlow 模型使用 TensorFlow 構建和訓練自定義模型。或者,重新訓練解決與您想要實現的問題類似的問題的現有模型。見TensorFlow精簡版開發者指南
將模型轉換為 TensorFlow Lite通過凍結圖形,然後使用 TensorFlow 優化轉換器 (TOCO),將您的模型從標準 TensorFlow 格式轉換為 TensorFlow Lite。見TensorFlow精簡版開發者指南
使用 Firebase 託管您的 TensorFlow Lite 模型可選:當您使用 Firebase 託管您的 TensorFlow Lite 模型並在您的應用中包含 ML Kit SDK 時,ML Kit 會讓您的用戶了解您模型的最新版本。您可以將 ML Kit 配置為在用戶的設備空閒或正在充電或具有 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,通過 Firebase 託管或應用捆綁模型執行推理。