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 używa technologii AI do tłumaczenia treści na Twój preferowany język. Tłumaczenia wygenerowane przez AI mogą zawierać błędy.

Modele niestandardowe

Jeśli używasz niestandardowych modeli TensorFlow Lite, Firebase ML może pomóc Ci zapewnić, że użytkownicy zawsze będą korzystać z najlepszej dostępnej wersji Twojego niestandardowego modelu. Gdy wdrażasz model za pomocą Firebase, Firebase ML pobiera go tylko wtedy, gdy jest potrzebny, i automatycznie aktualizuje go do najnowszej wersji u użytkowników.

Chcesz rozpocząć? Wybierz platformę:

iOS+ Android

Najważniejsze funkcje

Wdrażanie modelu TensorFlow Lite	Wdrażaj modele za pomocą Firebase, aby zmniejszyć rozmiar pliku binarnego aplikacji i mieć pewność, że zawsze używa ona najnowszej dostępnej wersji modelu.
Wnioskowanie ML na urządzeniu	Wykonaj wnioskowanie w aplikacji na Apple lub Androida, używając interpretera TensorFlow Lite z modelem.
Automatyczne aktualizacje modelu	Skonfiguruj warunki, w których aplikacja automatycznie pobiera nowe wersje modelu: gdy urządzenie użytkownika jest bezczynne, ładuje się lub ma połączenie z Wi-Fi.

Ścieżka implementacji

	Trenowanie modelu TensorFlow	utworzyć i wytrenować niestandardowy model przy użyciu TensorFlow, Możesz też ponownie wytrenować istniejący model, który rozwiązuje problem podobny do tego, który chcesz osiągnąć.
	Konwertowanie modelu na TensorFlow Lite	Przekonwertuj model z formatu HDF5 lub zamrożonego wykresu na TensorFlow Lite za pomocą konwertera TensorFlow Lite.
	Wdrażanie modelu TensorFlow Lite w Firebase	Opcjonalnie: gdy wdrożysz model TensorFlow Lite w Firebase i uwzględnisz pakiet SDK Firebase ML w aplikacji, Firebase ML będzie dbać o to, aby użytkownicy mieli zawsze najnowszą wersję modelu. Możesz skonfigurować automatyczne pobieranie aktualizacji modelu, gdy urządzenie użytkownika jest bezczynne lub się ładuje albo gdy jest połączone z połączeniem Wi-Fi.
	Używanie modelu TensorFlow Lite do wnioskowania	Używaj interpretera TensorFlow Lite w aplikacji na urządzenie Apple lub z Androidem, aby przeprowadzać wnioskowanie za pomocą modeli wdrożonych przy użyciu Firebase.

Codelabs

Wykonaj kilka ćwiczeń w programowaniu, aby dowiedzieć się, jak Firebase może pomóc Ci łatwiej i skuteczniej korzystać z modeli TensorFlow Lite.