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 utilizza la tecnologia AI per tradurre i contenuti nella tua lingua preferita. Le traduzioni generate dall'AI potrebbero contenere errori.

Deployment e gestione di modelli personalizzati

Per eseguire il deployment di un modello TensorFlow Lite:

Apri la pagina Modello personalizzato Firebase ML nella console Firebase.
Fai clic su Aggiungi modello personalizzato (o Aggiungi un altro modello).
Specifica un nome che verrà utilizzato per identificare il modello nel progetto Firebase, quindi carica il file del modello TensorFlow Lite (in genere con estensione .tflite o .lite).

Dopo aver eseguito il deployment del modello, puoi trovarlo nella pagina Personalizzato. Da qui, puoi completare attività come aggiornare il modello con un nuovo file, scaricare il modello ed eliminarlo dal progetto.

Deployment e gestione di modelli personalizzati Mantieni tutto organizzato con le raccolte Salva e classifica i contenuti in base alle tue preferenze.

Deployment e gestione di modelli personalizzati