التعلم الآلي لـ Firebase

استخدم التعلم الآلي في تطبيقاتك لحل مشاكل العالم الحقيقي.

Firebase Machine Learning عبارة عن حزمة SDK للجوال توفر خبرة التعلم الآلي من Google لتطبيقات Android و Apple في حزمة قوية وسهلة الاستخدام. سواء كنت جديدًا أو خبيرًا في التعلم الآلي ، يمكنك تنفيذ الوظائف التي تحتاجها في بضعة أسطر من التعليمات البرمجية. ليست هناك حاجة إلى معرفة عميقة بالشبكات العصبية أو تحسين النموذج للبدء. من ناحية أخرى ، إذا كنت مطور ML متمرسًا ، فإن Firebase ML يوفر واجهات برمجة تطبيقات ملائمة تساعدك على استخدام نماذج TensorFlow Lite المخصصة في تطبيقات الجوال الخاصة بك.

القدرات الأساسية

استضافة ونشر النماذج المخصصة

استخدم نماذج TensorFlow Lite الخاصة بك للاستدلال على الجهاز. ما عليك سوى نشر نموذجك على Firebase ، وسنتكفل باستضافته وتقديمه إلى تطبيقك. سيعرض Firebase بشكل ديناميكي أحدث إصدار من النموذج للمستخدمين ، مما يسمح لك بتحديثهم بانتظام دون الحاجة إلى إرسال إصدار جديد من تطبيقك إلى المستخدمين.

عند استخدام Firebase ML مع Remote Config ، يمكنك تقديم نماذج مختلفة لشرائح مستخدمين مختلفة ، وباستخدام اختبار A / B ، يمكنك إجراء تجارب للعثور على النموذج الأفضل أداءً (راجع أدلة Apple و Android ).

جاهز للإنتاج لحالات الاستخدام الشائعة

يأتي Firebase ML مزودًا بمجموعة من واجهات برمجة التطبيقات الجاهزة للاستخدام لحالات استخدام الأجهزة المحمولة الشائعة: التعرف على النص ، ووضع علامات على الصور ، وتحديد المعالم. ما عليك سوى تمرير البيانات إلى مكتبة Firebase ML وتعطيك المعلومات التي تحتاجها. تستفيد واجهات برمجة التطبيقات هذه من قوة تقنية التعلم الآلي في Google Cloud لتمنحك أعلى مستوى من الدقة.

السحابة مقابل الجهاز

يحتوي Firebase ML على واجهات برمجة تطبيقات تعمل إما في السحابة أو على الجهاز. عندما نصف واجهة برمجة تطبيقات ML على أنها واجهة برمجة تطبيقات سحابية أو واجهة برمجة تطبيقات على الجهاز ، فإننا نصف الجهاز الذي يقوم بالاستدلال : أي الجهاز الذي يستخدم نموذج ML لاكتشاف رؤى حول البيانات التي تقدمها. في Firebase ML ، يحدث هذا إما على Google Cloud أو على أجهزة المستخدمين المحمولة.

تقوم واجهات برمجة تطبيقات التعرف على النص وتسمية الصور والتعرف على المعالم بإجراء الاستدلال في السحابة. تتمتع هذه النماذج بقوة حسابية وذاكرة متاحة لها أكثر من النماذج المماثلة الموجودة على الجهاز ، ونتيجة لذلك ، يمكنها إجراء استدلال بدقة ودقة أكبر من الطراز الموجود على الجهاز. من ناحية أخرى ، يتطلب كل طلب إلى واجهات برمجة التطبيقات هذه رحلة ذهابًا وإيابًا للشبكة ، مما يجعلها غير مناسبة لتطبيقات الوقت الفعلي وزمن الانتقال المنخفض مثل معالجة الفيديو.

تتعامل واجهات برمجة التطبيقات للنموذج المخصص مع نماذج ML التي تعمل على الجهاز. النماذج المستخدمة والمنتجة بواسطة هذه الميزات هي نماذج TensorFlow Lite ، والتي تم تحسينها للتشغيل على الأجهزة المحمولة. أكبر ميزة لهذه النماذج هي أنها لا تتطلب اتصالاً بالشبكة ويمكن أن تعمل بسرعة كبيرة - بالسرعة الكافية ، على سبيل المثال ، لمعالجة إطارات الفيديو في الوقت الفعلي.

يوفر Firebase ML القدرة على نشر نماذج مخصصة على أجهزة المستخدمين عن طريق تحميلها على خوادمنا. سيقوم تطبيقك الذي يدعم Firebase بتنزيل النموذج على الجهاز عند الطلب. يسمح لك هذا بالحفاظ على حجم التثبيت الأولي لتطبيقك صغيرًا ، ويمكنك تبديل نموذج ML دون الحاجة إلى إعادة نشر تطبيقك.

ML Kit: طرز جاهزة للاستخدام على الجهاز

إذا كنت تبحث عن طرز مدربة مسبقًا تعمل على الجهاز ، فراجع ML Kit . تتوفر ML Kit لنظامي iOS و Android ، وتحتوي على واجهات برمجة تطبيقات للعديد من حالات الاستخدام:

  • التعرف على النص
  • وسم الصورة
  • الكشف عن الأشياء وتتبعها
  • كشف الوجه وتتبع الكفاف
  • مسح الباركود
  • تحديد اللغة
  • ترجمة
  • رد ذكي

الخطوات التالية