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 ऐप्स पर लाता है। चाहे आप मशीन लर्निंग में नए हों या अनुभवी हों, आप कोड की कुछ ही पंक्तियों में अपनी आवश्यक कार्यक्षमता लागू कर सकते हैं। आरंभ करने के लिए तंत्रिका नेटवर्क या मॉडल अनुकूलन का गहन ज्ञान होना आवश्यक नहीं है। दूसरी ओर, यदि आप एक अनुभवी एमएल डेवलपर हैं, तो एमएल किट सुविधाजनक एपीआई प्रदान करता है जो आपके मोबाइल ऐप्स में आपके कस्टम टेन्सरफ्लो लाइट मॉडल का उपयोग करने में आपकी सहायता करता है।
प्रमुख क्षमताएं
| सामान्य उपयोग के मामलों के लिए उत्पादन-तैयार | एमएल किट आम मोबाइल उपयोग के मामलों के लिए रेडी-टू-यूज़ एपीआई के एक सेट के साथ आता है: टेक्स्ट को पहचानना, चेहरों का पता लगाना, स्थलों की पहचान करना, बारकोड को स्कैन करना, छवियों को लेबल करना और टेक्स्ट की भाषा की पहचान करना। बस डेटा को एमएल किट लाइब्रेरी में भेजें और यह आपको आवश्यक जानकारी देगा। |
| ऑन-डिवाइस या क्लाउड में | एमएल किट के एपीआई का चयन डिवाइस पर या क्लाउड में चलता है। हमारे ऑन-डिवाइस एपीआई आपके डेटा को तेज़ी से संसाधित 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 एमएल किट के एपीआई आपके उपयोग के मामलों को कवर नहीं करते हैं, तो आप हमेशा अपने मौजूदा टेन्सरफ्लो लाइट मॉडल ला सकते हैं। बस अपना मॉडल फायरबेस पर अपलोड करें, और हम इसे आपके ऐप पर होस्ट करने और परोसने का ध्यान रखेंगे। एमएल किट आपके कस्टम मॉडल के लिए 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 Google की एमएल प्रौद्योगिकियों, जैसे Google क्लाउड विज़न एपीआई , टेन्सरफ्लो लाइट और एंड्रॉइड न्यूरल नेटवर्क एपीआई को एक ही एसडीके में एक साथ लाकर आपके ऐप्स में एमएल तकनीकों को लागू करना आसान बनाता है। चाहे आपको क्लाउड-आधारित प्रोसेसिंग की शक्ति की आवश्यकता हो, मोबाइल-अनुकूलित ऑन-डिवाइस मॉडल की वास्तविक समय क्षमताओं की, या कस्टम टेन्सरफ्लो लाइट मॉडल की लचीलेपन की, एमएल किट कोड की कुछ पंक्तियों के साथ इसे संभव बनाती है।
डिवाइस या क्लाउड पर कौन-सी सुविधाएँ उपलब्ध हैं?
कार्यान्वयन पथ
| एसडीके को एकीकृत करें | ग्रैडल या कोकोपोड्स का उपयोग करके एसडीके को तुरंत शामिल करें। | |
| इनपुट डेटा तैयार करें | उदाहरण के लिए, यदि आप विज़न सुविधा का उपयोग कर रहे हैं, तो कैमरे से एक छवि कैप्चर करें और छवि रोटेशन जैसे आवश्यक मेटाडेटा उत्पन्न करें, या उपयोगकर्ता को उनकी गैलरी से एक फोटो चुनने के लिए संकेत दें। | |
| अपने डेटा पर एमएल मॉडल लागू करें | अपने डेटा पर एमएल मॉडल लागू करके, आप आपके द्वारा उपयोग की गई सुविधा के आधार पर, पहचाने गए चेहरों की भावनात्मक स्थिति या छवि में पहचानी गई वस्तुओं और अवधारणाओं जैसी अंतर्दृष्टि उत्पन्न करते हैं। इन जानकारियों का उपयोग अपने ऐप में फोटो अलंकरण, स्वचालित मेटाडेटा जेनरेशन, या जो भी आप कल्पना कर सकते हैं, जैसी सुविधाओं को सशक्त बनाने के लिए करें। |
अगले कदम
- उपयोग के लिए तैयार एपीआई का अन्वेषण करें: पाठ पहचान , चेहरा पहचान , बारकोड स्कैनिंग , छवि लेबलिंग , ऑब्जेक्ट पहचान और ट्रैकिंग , ऐतिहासिक पहचान , स्मार्ट उत्तर , अनुवाद और भाषा पहचान ।
- ऑटोएमएल विज़न एज के साथ अपने स्वयं के छवि लेबलिंग मॉडल को प्रशिक्षित करें।
- अपने ऐप में मोबाइल-अनुकूलित कस्टम मॉडल का उपयोग करने के बारे में जानें।