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

फायरबेस के लिए एमएल किट

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

एमएल किट एक मोबाइल एसडीके है जो Google की मशीन लर्निंग विशेषज्ञता को एक शक्तिशाली लेकिन उपयोग में आसान पैकेज में एंड्रॉइड और आईओएस ऐप में लाता है। चाहे आप मशीन सीखने में नए हों या अनुभवी हों, आप कोड की कुछ पंक्तियों में अपनी ज़रूरत की कार्यक्षमता को लागू कर सकते हैं। आरंभ करने के लिए तंत्रिका नेटवर्क या मॉडल अनुकूलन के गहन ज्ञान की आवश्यकता नहीं है। दूसरी ओर, यदि आप एक अनुभवी एमएल डेवलपर हैं, तो एमएल किट सुविधाजनक एपीआई प्रदान करता है जो आपके मोबाइल ऐप में आपके कस्टम टेंसरफ्लो लाइट मॉडल का उपयोग करने में आपकी सहायता करता है।

प्रमुख क्षमताएं

आम उपयोग के मामलों के लिए उत्पादन के लिए तैयार

एमएल किट आम ​​मोबाइल उपयोग के मामलों के लिए उपयोग के लिए तैयार एपीआई के एक सेट के साथ आता है: पाठ को पहचानना, चेहरों का पता लगाना, स्थलों की पहचान करना, बारकोड को स्कैन करना, छवियों को लेबल करना और पाठ की भाषा की पहचान करना। बस डेटा को एमएल किट लाइब्रेरी में पास करें और यह आपको वह जानकारी देता है जिसकी आपको आवश्यकता है।

डिवाइस पर या क्लाउड में

एमएल किट के एपीआई का चयन डिवाइस पर या क्लाउड में चलता है। हमारे ऑन-डिवाइस एपीआई आपके डेटा को जल्दी से प्रोसेस कर सकते हैं और नेटवर्क कनेक्शन न होने पर भी काम कर सकते हैं। दूसरी ओर, हमारे क्लाउड-आधारित एपीआई, आपको और भी उच्च स्तर की सटीकता प्रदान करने के लिए Google क्लाउड की मशीन लर्निंग तकनीक की शक्ति का लाभ उठाते हैं।

कस्टम मॉडल तैनात करें

यदि ML Kit 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 प्रस्तुत करने का ध्यान रखेंगे। एमएल किट आपके कस्टम मॉडल के लिए एक एपीआई परत के रूप में कार्य करता है, जिससे इसे चलाना और उपयोग करना आसान हो जाता है।

यह कैसे काम करता है?

एमएल किट आसान जैसे गूगल के एमएल प्रौद्योगिकी, लाकर अपने एप्लिकेशन में एमएल तकनीकों को लागू करने में आता है Google मेघ विजन एपीआई , TensorFlow लाइट , और एंड्रॉयड तंत्रिका नेटवर्क एपीआई एक भी एसडीके में एक साथ। चाहे आपको क्लाउड-आधारित प्रसंस्करण की शक्ति की आवश्यकता हो, मोबाइल-अनुकूलित ऑन-डिवाइस मॉडल की रीयल-टाइम क्षमताओं की, या कस्टम TensorFlow लाइट मॉडल के लचीलेपन की, ML किट कोड की कुछ पंक्तियों के साथ इसे संभव बनाता है।

डिवाइस पर या क्लाउड में कौन सी सुविधाएं उपलब्ध हैं?

विशेषता उपकरण पर बादल
पाठ पहचान
चेहरा पहचानना
बारकोड स्कैनिंग
छवि लेबलिंग
वस्तु का पता लगाने और ट्रैकिंग
मील का पत्थर मान्यता
भाषा की पहचान
अनुवाद
स्मार्ट उत्तर
ऑटोएमएल मॉडल अनुमान
कस्टम मॉडल अनुमान

कार्यान्वयन पथ

एसडीके को एकीकृत करें ग्रैडल या कोकोपोड्स का उपयोग करके एसडीके को जल्दी से शामिल करें।
इनपुट डेटा तैयार करें उदाहरण के लिए, यदि आप एक दृष्टि सुविधा का उपयोग कर रहे हैं, तो कैमरे से एक छवि कैप्चर करें और आवश्यक मेटाडेटा जैसे छवि रोटेशन उत्पन्न करें, या उपयोगकर्ता को अपनी गैलरी से एक तस्वीर का चयन करने के लिए संकेत दें।
अपने डेटा पर एमएल मॉडल लागू करें अपने डेटा के लिए एमएल मॉडल को लागू करके, आप अपने द्वारा उपयोग की जाने वाली सुविधा के आधार पर, पहचाने गए चेहरों की भावनात्मक स्थिति या छवि में पहचाने गए वस्तुओं और अवधारणाओं जैसी अंतर्दृष्टि उत्पन्न करते हैं। इन जानकारियों का उपयोग अपने ऐप में फोटो अलंकरण, स्वचालित मेटाडेटा पीढ़ी, या जो कुछ भी आप कल्पना कर सकते हैं, उसमें पावर सुविधाओं के लिए करें।

अगला कदम