Firebase Summit で発表されたすべての情報をご覧ください。Firebase を使用してアプリ開発を加速し、自信を持ってアプリを実行する方法を紹介しています。詳細
コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。

カスタムモデル

カスタムTensorFlowLiteモデルを使用している場合、Firebase MLは、ユーザーが常に利用可能な最高のバージョンのカスタムモデルを使用していることを確認するのに役立ちます。モデルをFirebaseでデプロイすると、Firebase MLは必要な場合にのみモデルをダウンロードし、ユーザーを最新バージョンに自動的に更新します。

iOS + Android

主な機能

TensorFlowLiteモデルのデプロイFirebaseを使用してモデルをデプロイし、アプリのバイナリサイズを縮小し、アプリが常にモデルの利用可能な最新バージョンを使用していることを確認します
デバイス上のML推論モデルでTensorFlowLiteインタープリターを使用して、AppleまたはAndroidアプリで推論を実行します。
モデルの自動更新アプリがモデルの新しいバージョンを自動的にダウンロードする条件を構成します：ユーザーのデバイスがアイドル状態、充電中、またはWi-Fi接続がある場合

実装パス

TensorFlowモデルをトレーニングするTensorFlowを使用してカスタムモデルを構築およびトレーニングします。または、達成したい問題と同様の問題を解決する既存のモデルを再トレーニングします。
モデルをTensorFlowLiteに変換しますTensorFlow Liteコンバーターを使用して、モデルをHDF5またはフリーズグラフ形式からTensorFlowLiteに変換します。
TensorFlowLiteモデルをFirebaseにデプロイするオプション：TensorFlow LiteモデルをFirebaseにデプロイし、アプリにFirebase ML SDKを含めると、FirebaseMLはユーザーにモデルの最新バージョンを最新の状態に保ちます。ユーザーのデバイスがアイドル状態または充電中の場合、またはWi-Fi接続がある場合に、モデルの更新を自動的にダウンロードするように構成できます。
推論にTensorFlowLiteモデルを使用するAppleまたはAndroidアプリでTensorFlowLiteインタープリターを使用して、Firebaseを使用してデプロイされたモデルで推論を実行します。

Codelabs

いくつかのコードラボを試して、FirebaseがTensorFlowLiteモデルをより簡単かつ効果的に使用するのにどのように役立つかを実践的に学びましょう。