ย้ายข้อมูลโมเดล TensorFlow Lite จาก Firebase ML ไปยัง Cloud Storage

หากคุณใช้ Firebase Machine Learning เพื่อโฮสต์ โมเดลที่กำหนดเอง, คุณต้องย้ายข้อมูลไปยังโซลูชันอื่นก่อนที่บริการโฮสติ้ง Firebase ML จะ ปิดตัวลงในวันที่ 15 มิถุนายน 2027

อีกทางเลือกหนึ่งที่คุณอาจใช้คือการโฮสต์โมเดลโดยใช้ Cloud Storage for Firebase แทน โปรดทำตามคู่มือนี้เพื่อย้ายข้อมูลโมเดลจาก Firebase ML ไปยัง Cloud Storage

ดาวน์โหลดโมเดล TensorFlow Lite

หากยังไม่ได้จัดเก็บโมเดลไว้ในเครื่อง ให้ดาวน์โหลดจากโปรเจ็กต์ Firebase โดยทำได้ 2 วิธีดังนี้

ดาวน์โหลดทีละรายการจากคอนโซล Firebase

1. เปิดส่วนหน้าMachine Learning ในคอนโซล Firebase
2. สำหรับแต่ละโมเดลที่ต้องการย้ายข้อมูล ให้คลิกเมนูรายการเพิ่มเติม 3 จุดของโมเดลนั้น แล้วคลิกดาวน์โหลดโมเดล

ดาวน์โหลดโมเดลที่โฮสต์ทั้งหมดพร้อมกัน

1. เปิดหน้าMachine Learning ในคอนโซล Firebase
2. คลิกปุ่มรับคำสั่งสำหรับการดาวน์โหลดจำนวนมาก เพื่อรับคำสั่ง curl ที่ดาวน์โหลดโมเดลทั้งหมดในโปรเจ็กต์ โดย URL เหล่านี้จะหมดอายุใน 7 วัน
3. เรียกใช้คำสั่งในเทอร์มินัลในเครื่องหรือใน Cloud Shell หากใช้ Cloud Shell โปรดทราบว่ามีขีดจำกัดพื้นที่เก็บข้อมูลบนดิสก์ 5 GB คำสั่งจะดาวน์โหลดโมเดลไปยังโฟลเดอร์ในเครื่องชื่อ hosted_models

โฮสต์โมเดลโดยใช้ Cloud Storage

เมื่อมีโมเดลอยู่ในเครื่องแล้ว คุณต้องอัปโหลดโมเดลไปยัง Bucket ของ Cloud Storage

เลือกวิธีการอัปโหลดที่ตรงกับความต้องการของคุณ

อัปโหลดโมเดลทีละรายการ

1. สร้าง Bucket ของ Storage: ในคอนโซล Firebase ให้ไปที่ ฐานข้อมูลและพื้นที่เก็บข้อมูล > พื้นที่เก็บข้อมูล แล้วทำตามขั้นตอนเริ่มต้นใช้งานเพื่อสร้าง Bucket หากยังไม่ได้สร้าง โปรดทราบว่าการดำเนินการนี้ต้องใช้บัญชีสำหรับการเรียกเก็บเงิน โปรดดูรายละเอียดที่ ราคา Firebase
2. ในส่วนพื้นที่เก็บข้อมูล ให้อัปโหลดไฟล์โมเดล .tflite ไปยังเส้นทางที่ต้องการ

อัปโหลดโมเดลจำนวนมาก

1. สร้าง Bucket ของ Storage: ในคอนโซล Firebase ให้ไปที่ ฐานข้อมูลและพื้นที่เก็บข้อมูล > พื้นที่เก็บข้อมูล แล้วทำตามขั้นตอนเริ่มต้นใช้งานเพื่อสร้าง Bucket หากยังไม่ได้สร้าง โปรดทราบว่าการดำเนินการนี้ต้องใช้บัญชีสำหรับการเรียกเก็บเงิน โปรดดูรายละเอียดที่ ราคา Firebase

2. ใช้คำสั่ง gcloud ต่อไปนี้เพื่ออัปโหลดโมเดลทั้งหมดจากโฟลเดอร์ hosted_models ในเครื่อง

   gcloud storage rsync --recursive ./hosted_models gs://<your-storage-bucket>/models/

กำหนดค่าการรักษาความปลอดภัยและการผสานรวมแอป

1. ตรวจสอบว่า กฎความปลอดภัยของ Storage อนุญาตให้แอปอ่านไฟล์โมเดลได้ ตัวอย่างเช่น คุณสามารถจำกัดการเข้าถึงไว้สำหรับผู้ใช้ที่ได้รับการตรวจสอบสิทธิ์

2. เพิ่ม Storage ลงในแอปโดยทำตามคู่มือการตั้งค่าสำหรับ Android, Apple, หรือ Flutter.

3. อัปเดตโค้ดของแอปพลิเคชันเพื่อดาวน์โหลดไฟล์ .tflite จาก Bucket ของ Storage ใหม่

   Android

   modelRef = storage.getReferenceFromUrl("gs://YOUR_BUCKET/path/to/model.tflite")
   
   val localFile = File.createTempFile("models", "tflite")
   
   modelRef.getFile(localFile).addOnSuccessListener {
       // Local temp file has been created
   }.addOnFailureListener {
       // Handle any errors
   }
   

   Apple

   let gsReference = storage.reference(forURL: "gs://YOUR_BUCKET/path/to/model.tflite")
   
   // Create local filesystem URL
   let localURL = URL(string: "path/to/model.tflite")!
   
   // Download to the local filesystem
   let downloadTask = gsReference.write(toFile: localURL) { url, error in
     if let error = error {
       // Uh-oh, an error occurred!
     } else {
       // Local file URL for "model.tflite" is returned
     }
   }
   

   Flutter

   final modelRef = FirebaseStorage.instance.refFromURL("gs://YOUR_BUCKET/path/to/model.tflite");
   
   final appDocDir = await getApplicationDocumentsDirectory();
   final filePath = "${appDocDir.absolute}/models/model.tflite";
   final file = File(filePath);
   
   final downloadTask = modelRef.writeToFile(file);
   downloadTask.snapshotEvents.listen((taskSnapshot) {
     switch (taskSnapshot.state) {
       case TaskState.running:
         // TODO: Handle this case.
         break;
       case TaskState.paused:
         // TODO: Handle this case.
         break;
       case TaskState.success:
         // TODO: Handle this case.
         break;
       case TaskState.canceled:
         // TODO: Handle this case.
         break;
       case TaskState.error:
         // TODO: Handle this case.
         break;
     }
   });
   

   เมื่อดาวน์โหลดโมเดลแล้ว คุณจะใช้ไลบรารี Tensorflow Lite ที่มีอยู่เพื่อโหลดและใช้โมเดลได้

4. (ไม่บังคับ) ลองใช้ การกำหนดค่าระยะไกลของ Firebase เพื่ออัปเดตเส้นทางโมเดลในแอปแบบไดนามิกโดยไม่ต้องเผยแพร่เวอร์ชันใหม่

ไม่บังคับ: ย้ายข้อมูลไปยัง LiteRT CompiledModel API

หากแอปยังคงใช้ TensorFlow Lite Interpreter API แบบเดิมอยู่ ให้ลอง ย้ายข้อมูลไปยัง LiteRT CompiledModel API ซึ่งมีการรองรับการเร่งความเร็วด้วยฮาร์ดแวร์ที่ดีขึ้นและการปรับปรุงอื่นๆ มากกว่า API แบบเดิม