機器學習程式碼研究室
bookmark_borderbookmark
透過集合功能整理內容
你可以依據偏好儲存及分類內容。
請試試這些程式碼研究室,瞭解如何透過 Firebase 更輕鬆有效地使用 TensorFlow Lite 模型。
數字分類 (模型部署簡介)

瞭解如何使用 Firebase 的模型部署功能,建構可辨識手寫數字的應用程式。使用 Firebase ML 部署 TensorFlow Lite 模型、使用 Performance Monitoring 分析模型效能,以及使用 A/B Testing 測試模型成效。
iOS+
Android
情緒分析

在本程式碼研究室中,您將使用自有的訓練資料微調現有的文字分類模型,以便識別文字段落中表達的情緒。接著,您可以使用 Firebase ML 部署模型,並使用 A/B Testing 比較舊版和新版模型的準確度。
iOS+
Android
內容推薦

推薦引擎可讓您為個別使用者提供個人化體驗,呈現更貼近使用者需求的內容,提升使用者參與度。本程式碼研究室將說明如何訓練及部署裝置端 ML 模型,為應用程式實作內容推薦引擎,而非建立複雜的管道來支援這項功能。
iOS+
Android
除非另有註明,否則本頁面中的內容是採用創用 CC 姓名標示 4.0 授權,程式碼範例則為阿帕契 2.0 授權。詳情請參閱《Google Developers 網站政策》。Java 是 Oracle 和/或其關聯企業的註冊商標。
上次更新時間:2025-02-28 (世界標準時間)。
[[["容易理解","easyToUnderstand","thumb-up"],["確實解決了我的問題","solvedMyProblem","thumb-up"],["其他","otherUp","thumb-up"]],[["缺少我需要的資訊","missingTheInformationINeed","thumb-down"],["過於複雜/步驟過多","tooComplicatedTooManySteps","thumb-down"],["過時","outOfDate","thumb-down"],["翻譯問題","translationIssue","thumb-down"],["示例/程式碼問題","samplesCodeIssue","thumb-down"],["其他","otherDown","thumb-down"]],["上次更新時間:2025-02-28 (世界標準時間)。"],[],[]]