مدل‌های سفارشی

اگر از مدل‌های سفارشی TensorFlow Lite استفاده می‌کنید، Firebase ML می‌تواند به شما کمک کند مطمئن شوید کاربرانتان همیشه از بهترین نسخه دردسترس مدل سفارشی شما استفاده می‌کنند. وقتی مدلتان را با Firebase مستقر می‌کنید، Firebase ML فقط زمانی مدل را بارگیری می‌کند که لازم باشد و به‌طور خودکار کاربران را با جدیدترین نسخه به‌روز می‌کند.


آماده شروع هستید؟ پلاتفرمتان را انتخاب کنید:

iOS+ Android


قابلیت‌های کلیدی

استقرار مدل TensorFlow Lite مدل‌هایتان را بااستفاده از Firebase مستقر کنید تا اندازه دودویی برنامه‌تان کاهش یابد و مطمئن شوید برنامه‌تان همیشه از جدیدترین نسخه دردسترس مدل شما استفاده می‌کند
استنباط یادگیری ماشین درون‌دستگاهی بااستفاده از مفسر TensorFlow Lite با مدل خود، در برنامه Apple یا Android استنتاج انجام دهید.
به‌روزرسانی‌های خودکار مدل شرایطی را که تحت آن برنامه‌تان به‌طور خودکار نسخه‌های جدید مدل شما را بارگیری می‌کند پیکربندی کنید: وقتی دستگاه کاربر در حالت بیکار است، درحال شارژ است، یا اتصال Wi-Fi دارد

مسیر پیاده‌سازی

آموزش دادن مدل TensorFlow ساختن و آموزش دادن مدل سفارشی بااستفاده از TensorFlow. یا مدل موجودی را که مشکلی مشابه آنچه می‌خواهید به‌دست آورید حل می‌کند دوباره آموزش دهید.
تبدیل کردن مدل به TensorFlow Lite مدلتان را از قالب HDF5 یا نمودار ثابت به TensorFlow Lite تبدیل کنید بااستفاده از مبدل TensorFlow Lite.
استقرار مدل TensorFlow Lite در Firebase اختیاری: وقتی مدل TensorFlow Lite خود را در Firebase مستقر می‌کنید و کیت توسعه نرم‌افزار Firebase ML را در برنامه‌تان قرار می‌دهید، Firebase ML کاربران شما را با جدیدترین نسخه مدل شما به‌روز نگه می‌دارد. می‌توانید آن را به‌گونه‌ای پیکربندی کنید که وقتی دستگاه کاربر بیکار است یا درحال شارژ است یا اتصال Wi-Fi دارد، به‌روزرسانی‌های مدل را به‌طور خودکار بارگیری کند.
استفاده از مدل TensorFlow Lite برای استنتاج از مفسر TensorFlow Lite در برنامه Apple یا Android خود استفاده کنید تا با مدل‌های مستقرشده بااستفاده از Firebase استنتاج انجام دهید.

Codelabs

چند codelab را امتحان کنید تا به‌صورت عملی یاد بگیرید که چگونه Firebase می‌تواند به شما کمک کند تا از مدل‌های TensorFlow Lite به‌راحتی و به‌طور مؤثرتری استفاده کنید.