מודלים מותאמים אישית
אם אתם משתמשים במודלים מותאמים אישית של TensorFlow Lite, בעזרת Firebase ML תוכלו לוודא שהמשתמשים תמיד משתמשים בגרסה הכי טובה של המודל המותאם אישית. כשפורסים את המודל באמצעות Firebase, Firebase ML מוריד את המודל רק כשצריך ומעדכן את המשתמשים באופן אוטומטי בגרסה העדכנית.
שנתחיל? בוחרים את הפלטפורמה הרלוונטית:
יכולות עיקריות
| פריסת מודל TensorFlow Lite | אפשר לפרוס את המודלים באמצעות Firebase כדי להקטין את הגודל הבינארי של האפליקציה ולוודא שהיא תמיד משתמשת בגרסה העדכנית ביותר של המודל. |
| הסקת מסקנות של למידת מכונה במכשיר | מבצעים הסקה באפליקציה ל-Apple או ל-Android באמצעות מפרש TensorFlow Lite עם המודל. |
| עדכונים אוטומטיים של המודל | מגדירים את התנאים שבהם האפליקציה תוריד באופן אוטומטי גרסאות חדשות של המודל: כשהמכשיר של המשתמש לא פעיל, כשהוא בטעינה או כשהוא מחובר ל-Wi-Fi. |
שיטת הטמעה
| אימון מודל TensorFlow | ליצור ולאמן מודל בהתאמה אישית באמצעות TensorFlow. או לאמן מחדש מודל קיים שפותר בעיה דומה לזו שאתם רוצים לפתור. | |
| המרת המודל ל-TensorFlow Lite | ממירים את המודל מפורמט HDF5 או מפורמט של תרשים קפוא ל-TensorFlow Lite באמצעות ממיר TensorFlow Lite. | |
| פריסת מודל TensorFlow Lite ב-Firebase | אופציונלי: כשפורסים את מודל TensorFlow Lite ב-Firebase וכוללים את ה-SDK של Firebase ML באפליקציה, Firebase ML מעדכן את המשתמשים בגרסה העדכנית של המודל. אפשר להגדיר שהמדיניות תוריד עדכונים למודל באופן אוטומטי כשהמכשיר של המשתמש לא פעיל, בטעינה או מחובר לחיבור Wi-Fi. | |
| שימוש במודל TensorFlow Lite להסקת מסקנות | אפשר להשתמש במפרש של TensorFlow Lite באפליקציית Apple או באפליקציית Android כדי להסיק מסקנות באמצעות מודלים שנפרסו באמצעות Firebase. |
Codelabs
נסו כמה שיעורי Codelab כדי ללמוד באופן מעשי איך Firebase יכולה לעזור לכם להשתמש במודלים של TensorFlow Lite בצורה קלה ויעילה יותר.