Aprendizado de máquina do Firebase

Use o aprendizado de máquina em seus aplicativos para resolver problemas do mundo real.

O Firebase Machine Learning é um SDK móvel que traz a experiência de aprendizado de máquina do Google para aplicativos Android e Apple em um pacote poderoso, mas fácil de usar. Quer você seja novo ou tenha experiência em aprendizado de máquina, você pode implementar a funcionalidade necessária em apenas algumas linhas de código. Não há necessidade de ter conhecimento profundo de redes neurais ou otimização de modelos para começar. Por outro lado, se você for um desenvolvedor de ML experiente, o Firebase ML fornece APIs convenientes que ajudam você a usar modelos personalizados do TensorFlow Lite em seus aplicativos móveis.

Principais capacidades

Hospedar e implantar modelos personalizados

Use seus próprios modelos do TensorFlow Lite para inferência no dispositivo. Basta implantar seu modelo no Firebase e nós cuidaremos de hospedá-lo e servi-lo em seu aplicativo. O Firebase fornecerá dinamicamente a versão mais recente do modelo aos seus usuários, permitindo que você os atualize regularmente sem precisar enviar uma nova versão do seu aplicativo aos usuários.

Ao usar o Firebase ML com Configuração remota , você pode fornecer diferentes modelos para diferentes segmentos de usuários e, com o teste A/B , pode realizar experimentos para encontrar o modelo com melhor desempenho (consulte os guias da Apple e do Android ).

Pronto para produção para casos de uso comuns

O Firebase ML vem com um conjunto de APIs prontas para uso para casos de uso móvel comuns: reconhecimento de texto, rotulagem de imagens e identificação de pontos de referência. Basta passar os dados para a biblioteca do Firebase ML e ela fornecerá as informações de que você precisa. Essas APIs aproveitam o poder da tecnologia de aprendizado de máquina do Google Cloud para oferecer o mais alto nível de precisão.

Nuvem vs. no dispositivo

O Firebase ML possui APIs que funcionam na nuvem ou no dispositivo. Quando descrevemos uma API de ML como sendo uma API de nuvem ou uma API no dispositivo, estamos descrevendo qual máquina realiza inferência : ou seja, qual máquina usa o modelo de ML para descobrir insights sobre os dados que você fornece. No Firebase ML, isso acontece no Google Cloud ou nos dispositivos móveis dos seus usuários.

As APIs de reconhecimento de texto, rotulagem de imagens e reconhecimento de pontos de referência realizam inferência na nuvem. Esses modelos têm mais poder computacional e memória disponível do que um modelo comparável no dispositivo e, como resultado, podem realizar inferências com maior exatidão e precisão do que um modelo no dispositivo. Por outro lado, cada solicitação a essas APIs requer um percurso de ida e volta na rede, o que as torna inadequadas para aplicações em tempo real e de baixa latência, como processamento de vídeo.

As APIs de modelo personalizado lidam com modelos de ML executados no dispositivo. Os modelos usados ​​e produzidos por esses recursos são modelos TensorFlow Lite , otimizados para execução em dispositivos móveis. A maior vantagem desses modelos é que eles não exigem conexão de rede e podem ser executados muito rapidamente – rápido o suficiente, por exemplo, para processar quadros de vídeo em tempo real.

O Firebase ML oferece a capacidade de implantar modelos personalizados nos dispositivos dos seus usuários, fazendo upload deles para nossos servidores. Seu aplicativo compatível com Firebase fará o download do modelo para o dispositivo sob demanda. Isso permite que você mantenha o tamanho de instalação inicial do seu aplicativo pequeno e você pode trocar o modelo de ML sem precisar republicar seu aplicativo.

Kit de ML: modelos no dispositivo prontos para uso

Se você estiver procurando modelos pré-treinados que rodem no dispositivo, dê uma olhada no ML Kit . O ML Kit está disponível para iOS e Android e possui APIs para muitos casos de uso:

  • Reconhecimento de texto
  • Rotulagem de imagens
  • Detecção e rastreamento de objetos
  • Detecção de rosto e rastreamento de contorno
  • Leitura de código de barras
  • Identificação do idioma
  • Tradução
  • Resposta inteligente

Próximos passos