Firebase ML is deprecated and will be shut down on June 15, 2027.

Projects that didn't previously use it can no longer start using it, and existing projects should begin migrating away.

If you're using Firebase ML to host TensorFlow Lite models for local inference, migrate your apps to use Cloud Storage instead.
If you're using Firebase ML to call Cloud Vision APIs, either migrate your apps to use Firebase AI Logic to analyze images, or modify your apps to directly access the Cloud Vision API endpoints.

Google utilise la technologie IA pour traduire le contenu dans votre langue préférée. Les traductions générées par IA peuvent contenir des erreurs.

Déployer et gérer des modèles personnalisés

Pour déployer un modèle TensorFlow Lite :

Ouvrez la page Firebase ML Modèle personnalisé dans la console Firebase.
Cliquez sur Ajouter un modèle personnalisé (ou Ajouter un autre modèle).
Spécifiez un nom qui sera utilisé pour identifier votre modèle dans votre projet Firebase, puis importez le fichier de modèle TensorFlow Lite (qui se termine généralement par .tflite ou .lite).

Une fois votre modèle déployé, vous le trouverez sur la page "Personnalisé". Vous pouvez ensuite effectuer des tâches telles que mettre à jour le modèle avec un nouveau fichier, le télécharger et le supprimer de votre projet.

Déployer et gérer des modèles personnalisés Restez organisé à l'aide des collections Enregistrez et classez les contenus selon vos préférences.

Déployer et gérer des modèles personnalisés