AutoML視覺邊緣
使用AutoML Vision Edge從您自己的訓練數據創建自定義圖像分類模型。
如果要識別圖像的內容，一種選擇是使用ML Kit的設備上圖像標籤API或設備上對象檢測API 。這些API使用的模型是為通用目的而構建的，並且經過訓練可以識別照片中最常見的概念。
如果您需要更專業的圖像標籤或對象檢測模型，更詳細地涵蓋狹窄的概念域（例如，用於區分花朵或食物類型的模型），則可以使用Firebase ML和AutoML Vision Edge進行訓練具有自己的圖像和類別的模型。自定義模型在Google Cloud中進行了訓練，一旦模型準備就緒，它將在設備上完全使用。
關鍵能力
| 根據您的數據訓練模型 | 使用訓練數據自動訓練自定義圖像標籤和對象檢測模型，以識別您關心的標籤。 |
| 內置模型託管 | 使用Firebase託管模型，並在運行時加載它們。通過將模型託管在Firebase上，您可以確保用戶擁有最新模型，而無需發布新的應用程序版本。 而且，當然，您也可以將模型與應用程序捆綁在一起，因此安裝後即可立即使用。 |
實施路徑
| 匯總訓練數據 | 將您希望模型識別的每個標籤的示例數據集放在一起。 | |
| 訓練新模型 | 在Google Cloud控制台中，導入您的訓練數據並使用它來訓練新模型。 | |
| 在您的應用中使用模型 | 將模型與您的應用程序捆綁在一起，或在需要時從Firebase下載。然後，使用模型在設備上標記圖像。 |
定價與限制
要使用AutoML Vision Edge訓練自定義模型，您必須採用即付即用（Blaze）計劃。
| 數據集 | 根據云存儲費率計費 |
|---|---|
| 每個數據集的圖像 | 1,000,000 |
| 培訓時間 | 沒有每個型號的限制 |