Firebase Machine Learning

Nutzen Sie maschinelles Lernen in Ihren Apps, um reale Probleme zu lösen.

Firebase Machine Learning ist ein mobiles SDK, das die Expertise von Google im Bereich maschinelles Lernen in einem leistungsstarken und dennoch benutzerfreundlichen Paket in Android- und Apple-Apps einbringt. Unabhängig davon, ob Sie neu oder erfahren im Bereich maschinelles Lernen sind, können Sie die benötigte Funktionalität in nur wenigen Codezeilen implementieren. Für den Einstieg sind keine umfassenden Kenntnisse über neuronale Netze oder Modelloptimierung erforderlich. Wenn Sie hingegen ein erfahrener ML-Entwickler sind, bietet Firebase ML praktische APIs, die Ihnen bei der Verwendung Ihrer benutzerdefinierten TensorFlow Lite-Modelle in Ihren mobilen Apps helfen.

Schlüsselfähigkeiten

Benutzerdefinierte Modelle hosten und bereitstellen

Verwenden Sie Ihre eigenen TensorFlow Lite-Modelle für Inferenzen auf dem Gerät. Stellen Sie Ihr Modell einfach in Firebase bereit und wir kümmern uns um das Hosting und die Bereitstellung für Ihre App. Firebase stellt Ihren Benutzern dynamisch die neueste Version des Modells bereit, sodass Sie sie regelmäßig aktualisieren können, ohne den Benutzern eine neue Version Ihrer App bereitstellen zu müssen.

Wenn Sie Firebase ML mit Remote Config verwenden, können Sie verschiedene Modelle für verschiedene Benutzersegmente bereitstellen und mit A/B-Tests können Sie Experimente durchführen, um das Modell mit der besten Leistung zu finden (siehe die Apple- und Android- Anleitungen).

Produktionsbereit für gängige Anwendungsfälle

Firebase ML verfügt über eine Reihe gebrauchsfertiger APIs für gängige mobile Anwendungsfälle: Texterkennung, Beschriftung von Bildern und Identifizierung von Orientierungspunkten. Übergeben Sie einfach Daten an die Firebase ML-Bibliothek und Sie erhalten die Informationen, die Sie benötigen. Diese APIs nutzen die Leistungsfähigkeit der maschinellen Lerntechnologie von Google Cloud, um Ihnen ein Höchstmaß an Genauigkeit zu bieten.

Cloud vs. On-Device

Firebase ML verfügt über APIs, die entweder in der Cloud oder auf dem Gerät funktionieren. Wenn wir eine ML-API als Cloud-API oder On-Device-API beschreiben, beschreiben wir , welche Maschine Inferenz ausführt , d. h. welche Maschine das ML-Modell verwendet, um Erkenntnisse über die von Ihnen bereitgestellten Daten zu gewinnen. In Firebase ML geschieht dies entweder in Google Cloud oder auf den Mobilgeräten Ihrer Benutzer.

Die Texterkennungs-, Bildbeschriftungs- und Orientierungserkennungs-APIs führen Inferenzen in der Cloud durch. Diesen Modellen steht mehr Rechenleistung und Speicher zur Verfügung als einem vergleichbaren Modell auf dem Gerät und sie können daher Rückschlüsse mit größerer Genauigkeit und Präzision durchführen als ein Modell auf dem Gerät. Andererseits erfordert jede Anfrage an diese APIs einen Netzwerk-Roundtrip, was sie für Echtzeitanwendungen und Anwendungen mit geringer Latenz wie der Videoverarbeitung ungeeignet macht.

Die benutzerdefinierten Modell-APIs befassen sich mit ML-Modellen, die auf dem Gerät ausgeführt werden. Die von diesen Funktionen verwendeten und erzeugten Modelle sind TensorFlow Lite- Modelle, die für die Ausführung auf mobilen Geräten optimiert sind. Der größte Vorteil dieser Modelle besteht darin, dass sie keine Netzwerkverbindung benötigen und sehr schnell laufen können – schnell genug, um beispielsweise Videobilder in Echtzeit zu verarbeiten.

Firebase ML bietet die Möglichkeit, benutzerdefinierte Modelle auf den Geräten Ihrer Benutzer bereitzustellen, indem Sie diese auf unsere Server hochladen. Ihre Firebase-fähige App lädt das Modell bei Bedarf auf das Gerät herunter. Dadurch können Sie die anfängliche Installationsgröße Ihrer App klein halten und das ML-Modell austauschen, ohne Ihre App erneut veröffentlichen zu müssen.

ML-Kit: Gebrauchsfertige Modelle auf dem Gerät

Wenn Sie nach vorab trainierten Modellen suchen, die auf dem Gerät ausgeführt werden, schauen Sie sich ML Kit an. ML Kit ist für iOS und Android verfügbar und verfügt über APIs für viele Anwendungsfälle:

  • Texterkennung
  • Bildbeschriftung
  • Objekterkennung und -verfolgung
  • Gesichtserkennung und Konturverfolgung
  • Barcode-Scannen
  • Spracherkennung
  • Übersetzung
  • Intelligente Antwort

Nächste Schritte