Firebase के लिए मशीन लर्निंग (ML) किट
असल दुनिया में होने वाली समस्याएं हल करने के लिए, अपने ऐप्लिकेशन में मशीन लर्निंग का इस्तेमाल करें.
ML Kit एक मोबाइल SDK टूल है. यह इस्तेमाल में आसान और दमदार पैकेज है, जो Android और iOS ऐप्लिकेशन में Google की मशीन लर्निंग विशेषज्ञता का इस्तेमाल करता है. चाहे आप नए हों या फिर मशीन लर्निंग का अनुभव, अपने काम की सभी सुविधाएं, कोड की कुछ लाइनों में लागू की जा सकती हैं. शुरू करने के लिए, न्यूरल नेटवर्क या मॉडल ऑप्टिमाइज़ेशन की अच्छी जानकारी होना ज़रूरी नहीं है. दूसरी ओर, अगर आप एक अनुभवी एमएल डेवलपर हैं, तो ML Kit आपको ऐसे एपीआई उपलब्ध कराता है जो आपके लिए आसान हैं. इन एपीआई की मदद से, आपको अपने मोबाइल ऐप्लिकेशन में, अपनी पसंद के TensorFlow Lite मॉडल का इस्तेमाल करने में मदद मिलती है.
मुख्य सुविधाएं
इस्तेमाल के सामान्य उदाहरणों में प्रोडक्शन के लिए तैयार |
एमएल किट में, मोबाइल के सामान्य इस्तेमाल के लिए, इस्तेमाल के लिए तैयार एपीआई का एक सेट होता है: टेक्स्ट की पहचान करना, चेहरों की पहचान करना, लैंडमार्क की पहचान करना, बारकोड स्कैन करना, इमेज को लेबल करना, और टेक्स्ट की भाषा की पहचान करना. बस डेटा को एमएल किट लाइब्रेरी में भेजें और यह आपको आपकी ज़रूरत की जानकारी दे देगा. |
डिवाइस पर या क्लाउड में |
ML Kit की मदद से चुने गए एपीआई, डिवाइस पर या क्लाउड में चलते हैं. हमारे डिवाइस पर मौजूद एपीआई, आपके डेटा को तेज़ी से प्रोसेस कर सकते हैं. साथ ही, इंटरनेट न होने पर भी काम कर सकते हैं. वहीं दूसरी ओर, क्लाउड-आधारित एपीआई, Google Cloud की मशीन लर्निंग टेक्नोलॉजी का फ़ायदा लेते हैं. इससे आपको ज़्यादा सटीक नतीजे मिलते हैं. |
कस्टम मॉडल डिप्लॉय करें |
अगर ML Kit के एपीआई आपके इस्तेमाल के उदाहरण कवर नहीं करते हैं, तो आपके पास किसी भी समय अपने मौजूदा TensorFlow Lite मॉडल को ट्रांसफ़र करने का विकल्प है. बस अपने मॉडल को Firebase पर अपलोड करें. इसके बाद, हम इसे आपके ऐप्लिकेशन पर होस्ट करेंगे और उपलब्ध कराएंगे. ML किट आपके कस्टम मॉडल के लिए एपीआई लेयर के तौर पर काम करता है. इससे इसे चलाना और इस्तेमाल करना आसान हो जाता है. |
यह कैसे काम करता है?
ML Kit की मदद से, Google की मशीन लर्निंग टेक्नोलॉजी, जैसे कि Google Cloud Vision API, TensorFlow Lite, और Android Neural Networks API को एक ही SDK टूल में जोड़कर, अपने ऐप्लिकेशन में एमएल तकनीकों को इस्तेमाल करना आसान हो जाता है. चाहे आपको क्लाउड-आधारित प्रोसेसिंग की सुविधा चाहिए, डिवाइस पर मोबाइल के लिए ऑप्टिमाइज़ किए गए मॉडल की रीयल-टाइम क्षमताओं या कस्टम TensorFlow Lite मॉडल की ज़रूरत, ML Kit कोड की कुछ लाइनों की मदद से यह मुमकिन है.
डिवाइस या क्लाउड पर कौनसी सुविधाएं उपलब्ध हैं?
लागू करने का पाथ
SDK टूल जोड़ें | Gradle या CocoaPods का इस्तेमाल करके, SDK टूल को तुरंत शामिल करें. | |
इनपुट डेटा तैयार करें | उदाहरण के लिए, अगर विज़न सुविधा का इस्तेमाल किया जा रहा है, तो कैमरे से कोई इमेज कैप्चर करें और इमेज घुमाने के लिए ज़रूरी मेटाडेटा जनरेट करें. इसके अलावा, उपयोगकर्ता को अपनी गैलरी से फ़ोटो चुनने के लिए प्रॉम्प्ट भी भेजा जा सकता है. | |
अपने डेटा पर एमएल मॉडल लागू करना | मशीन लर्निंग (एमएल) मॉडल को अपने डेटा पर लागू करके, कई तरह की इनसाइट जनरेट की जाती हैं. जैसे, पता लगाए गए चेहरों की भावनाओं या चीज़ों और कॉन्सेप्ट (चीज़ों और कॉन्सेप्ट) की जानकारी, जिन्हें इमेज में पहचाना गया था. यह इस बात पर निर्भर करता है कि आपने सुविधा का इस्तेमाल किया है या नहीं. अपने ऐप्लिकेशन की सुविधाओं को बेहतर बनाने के लिए, इस अहम जानकारी का इस्तेमाल करें. जैसे, फ़ोटो को बेहतर बनाना, अपने-आप मेटाडेटा जनरेट करना या अपनी पसंद के हिसाब से अन्य काम करना. |
अगले चरण
- इस्तेमाल के लिए तैयार एपीआई एक्सप्लोर करें: टेक्स्ट की पहचान, चेहरे की पहचान, बारकोड स्कैन करना, इमेज लेबलिंग, ऑब्जेक्ट की पहचान और ट्रैक करना, लैंडमार्क की पहचान, स्मार्ट जवाब, अनुवाद, और भाषा की पहचान.
- AutoML Vision Edge की मदद से, अपने इमेज लेबलिंग मॉडल को ट्रेनिंग दें.
- अपने ऐप्लिकेशन में मोबाइल के लिए सही कस्टम मॉडल का इस्तेमाल करने के बारे में जानें.