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 會運用 AI 技術將內容翻譯成你偏好的語言，但可能會出錯。

自訂模型

如果您使用自訂 TensorFlow Lite 模型，Firebase ML 可協助您確保使用者一律使用最佳版本的自訂模型。使用 Firebase 部署模型時，Firebase ML 只會在需要時下載模型，並自動為使用者更新至最新版本。

準備好了嗎？選擇平台：

主要功能

部署 TensorFlow Lite 模型	使用 Firebase 部署模型，縮減應用程式的二進位檔大小，並確保應用程式一律使用最新版本的模型
裝置端機器學習推論	使用 TensorFlow Lite 解譯器和模型，在 Apple 或 Android 應用程式中執行推論。
自動更新模型	設定應用程式自動下載新版模型的條件：使用者裝置處於閒置狀態、正在充電或連上 Wi-Fi 時

	訓練 TensorFlow 模型	使用 TensorFlow 建構及訓練自訂模型。或者，重新訓練現有模型，解決與您想達成的目標類似的問題。
	將模型轉換為 TensorFlow Lite	使用 TensorFlow Lite 轉換工具，將模型從 HDF5 或凍結圖格式轉換為 TensorFlow Lite。
	將 TensorFlow Lite 模型部署至 Firebase	選用：將 TensorFlow Lite 模型部署至 Firebase，並在應用程式中加入 Firebase ML SDK 後，Firebase ML 會讓使用者隨時取得最新版本的模型。您可以設定在使用者裝置閒置、充電或連上 Wi-Fi 時，自動下載模型更新。
	使用 TensorFlow Lite 模型進行推論	在 Apple 或 Android 應用程式中使用 TensorFlow Lite 解譯器，對透過 Firebase 部署的模型執行推論。

請嘗試一些程式碼研究室，實際瞭解 Firebase 如何協助您更輕鬆有效地使用 TensorFlow Lite 模型。