स्पंदन के साथ एक कस्टम TensorFlow लाइट मॉडल का उपयोग करें

यदि आपका ऐप कस्टम TensorFlow Lite मॉडल का उपयोग करता है, तो आप अपने मॉडल को परिनियोजित करने के लिए Firebase ML का उपयोग कर सकते हैं। फायरबेस के साथ मॉडल परिनियोजित करके, आप अपने ऐप के शुरुआती डाउनलोड आकार को कम कर सकते हैं और अपने ऐप के नए संस्करण को जारी किए बिना अपने ऐप के एमएल मॉडल को अपडेट कर सकते हैं। और, Remote Config और A/B Testing के साथ, आप गतिशील रूप से विभिन्न मॉडलों को उपयोगकर्ताओं के विभिन्न समूहों के लिए सेवा प्रदान कर सकते हैं।

टेंसरफ्लो लाइट मॉडल

TensorFlow Lite मॉडल एमएल मॉडल हैं जिन्हें मोबाइल उपकरणों पर चलने के लिए अनुकूलित किया गया है। TensorFlow Lite मॉडल प्राप्त करने के लिए:

• पूर्व-निर्मित मॉडल का उपयोग करें, जैसे कि आधिकारिक TensorFlow Lite मॉडल में से एक
• TensorFlow मॉडल, Keras मॉडल या कंक्रीट फ़ंक्शन को TensorFlow Lite में बदलें।

ध्यान दें कि डार्ट के लिए एक अनुरक्षित TensorFlow Lite लाइब्रेरी के अभाव में, आपको अपने प्लेटफॉर्म के लिए मूल TensorFlow Lite लाइब्रेरी के साथ एकीकृत करने की आवश्यकता होगी। यह एकीकरण यहां प्रलेखित नहीं है।

शुरू करने से पहले

1. यदि आपने पहले से ऐसा नहीं किया है तो फ़्लटर के लिए फायरबेस एसडीके को स्थापित और आरंभ करें ।

2. अपने फ़्लटर प्रोजेक्ट की रूट डायरेक्टरी से, एमएल मॉडल डाउनलोडर प्लगइन स्थापित करने के लिए निम्न कमांड चलाएँ:

   flutter pub add firebase_ml_model_downloader
   

3. अपनी परियोजना का पुनर्निर्माण करें:

   flutter run
   

1. अपना मॉडल परिनियोजित करें

Firebase कंसोल या Firebase Admin Python और Node.js SDKs का उपयोग करके अपने कस्टम TensorFlow मॉडल परिनियोजित करें। कस्टम मॉडल को परिनियोजित और प्रबंधित करें देखें।

अपने फायरबेस प्रोजेक्ट में एक कस्टम मॉडल जोड़ने के बाद, आप अपने द्वारा निर्दिष्ट नाम का उपयोग करके अपने ऐप में मॉडल को संदर्भित कर सकते हैं। किसी भी समय, आप नया TensorFlow Lite मॉडल परिनियोजित कर सकते हैं और getModel() (नीचे देखें) पर कॉल करके नए मॉडल को उपयोगकर्ताओं के डिवाइस पर डाउनलोड कर सकते हैं।

2. मॉडल को डिवाइस में डाउनलोड करें और TensorFlow Lite दुभाषिया को इनिशियलाइज़ करें

अपने ऐप में अपने TensorFlow Lite मॉडल का उपयोग करने के लिए, मॉडल के नवीनतम संस्करण को डिवाइस में डाउनलोड करने के लिए पहले मॉडल डाउनलोडर का उपयोग करें। फिर, मॉडल के साथ TensorFlow Lite दुभाषिया को इंस्टेंट करें।

मॉडल डाउनलोड शुरू करने के लिए, मॉडल डाउनलोडर की getModel() विधि को कॉल करें, यह निर्दिष्ट करते हुए कि आपने इसे अपलोड करते समय मॉडल को निर्दिष्ट किया था, क्या आप हमेशा नवीनतम मॉडल डाउनलोड करना चाहते हैं, और किन शर्तों के तहत आप डाउनलोड करने की अनुमति देना चाहते हैं।

आप तीन डाउनलोड व्यवहारों में से चुन सकते हैं:

जब तक आप यह पुष्टि नहीं कर लेते कि मॉडल डाउनलोड हो गया है, तब तक आपको मॉडल से संबंधित कार्यात्मकता को अक्षम कर देना चाहिए—उदाहरण के लिए, अपने UI के भाग को ग्रे-आउट या छिपा देना चाहिए।

FirebaseModelDownloader.instance
    .getModel(
        "yourModelName",
        FirebaseModelDownloadType.localModel,
        FirebaseModelDownloadConditions(
          iosAllowsCellularAccess: true,
          iosAllowsBackgroundDownloading: false,
          androidChargingRequired: false,
          androidWifiRequired: false,
          androidDeviceIdleRequired: false,
        )
    )
    .then((customModel) {
      // Download complete. Depending on your app, you could enable the ML
      // feature, or switch from the local model to the remote model, etc.

      // The CustomModel object contains the local path of the model file,
      // which you can use to instantiate a TensorFlow Lite interpreter.
      final localModelPath = customModel.file;

      // ...
    });

कई ऐप्स अपने प्रारंभिक कोड में डाउनलोड कार्य प्रारंभ करते हैं, लेकिन आप मॉडल का उपयोग करने से पहले किसी भी समय ऐसा कर सकते हैं।

3. इनपुट डेटा पर अनुमान लगाएं

अब जब आपके पास डिवाइस पर अपनी मॉडल फ़ाइल है, तो आप अनुमान लगाने के लिए इसका उपयोग TensorFlow Lite दुभाषिया के साथ कर सकते हैं। डार्ट के लिए एक अनुरक्षित TensorFlow Lite लाइब्रेरी के अभाव में, आपको iOS और Android के लिए देशी TensorFlow Lite लाइब्रेरी के साथ एकीकृत करने की आवश्यकता होगी।

परिशिष्ट: मॉडल सुरक्षा

भले ही आप अपने TensorFlow Lite मॉडल को Firebase ML के लिए कैसे उपलब्ध कराते हैं, Firebase ML उन्हें स्थानीय स्टोरेज में मानक क्रमबद्ध प्रोटोबॉफ़ प्रारूप में संग्रहीत करता है।

सिद्धांत रूप में, इसका मतलब है कि कोई भी आपके मॉडल की नकल कर सकता है। हालाँकि, व्यवहार में, अधिकांश मॉडल एप्लिकेशन-विशिष्ट हैं और अनुकूलन द्वारा अस्पष्ट हैं कि जोखिम आपके कोड को अलग करने और पुन: उपयोग करने वाले प्रतियोगियों के समान है। फिर भी, अपने ऐप में कस्टम मॉडल का उपयोग करने से पहले आपको इस जोखिम के बारे में पता होना चाहिए।