Modele niestandardowe

Jeśli korzystasz z niestandardowych modeli TensorFlow Lite , Firebase ML może pomóc Ci upewnić się, że użytkownicy zawsze korzystają z najlepszej dostępnej wersji Twojego niestandardowego modelu. Gdy wdrażasz model w Firebase, Firebase ML pobiera model tylko wtedy, gdy jest potrzebny i automatycznie aktualizuje użytkowników do najnowszej wersji.

iOS+ Android

Kluczowe możliwości

Wdrożenie modelu TensorFlow Lite Wdróż swoje modele za pomocą Firebase, aby zmniejszyć rozmiar binarny aplikacji i mieć pewność, że aplikacja zawsze korzysta z najnowszej dostępnej wersji Twojego modelu
Wnioskowanie ML na urządzeniu Wykonuj wnioskowanie w aplikacji Apple lub Android, korzystając z interpretera TensorFlow Lite w swoim modelu.
Automatyczne aktualizacje modelu Skonfiguruj warunki, w jakich aplikacja automatycznie pobiera nowe wersje Twojego modelu: gdy urządzenie użytkownika jest bezczynne, ładuje się lub ma połączenie Wi-Fi

Ścieżka realizacji

Trenuj swój model TensorFlow Zbuduj i wytrenuj niestandardowy model za pomocą TensorFlow. Możesz też przeszkolić istniejący model, który rozwiązuje problem podobny do tego, co chcesz osiągnąć.
Konwertuj model na TensorFlow Lite Konwertuj swój model z formatu HDF5 lub zamrożonego wykresu na TensorFlow Lite za pomocą konwertera TensorFlow Lite .
Wdróż swój model TensorFlow Lite w Firebase Opcjonalnie: gdy wdrożysz model TensorFlow Lite w Firebase i dołączysz pakiet SDK Firebase ML do swojej aplikacji, Firebase ML zapewni użytkownikom aktualność z najnowszą wersją Twojego modelu. Możesz go skonfigurować tak, aby automatycznie pobierał aktualizacje modelu, gdy urządzenie użytkownika jest bezczynne, ładuje się lub ma połączenie Wi-Fi.
Do wnioskowania użyj modelu TensorFlow Lite Użyj interpretera TensorFlow Lite w aplikacji na Apple lub Androida, aby przeprowadzić wnioskowanie z modelami wdrożonymi przy użyciu Firebase.

Zajęcia z kodowania

Wypróbuj ćwiczenia z programowania , aby dowiedzieć się, jak Firebase może pomóc Ci łatwiej i efektywniej korzystać z modeli TensorFlow Lite.