Firebase Machine Learning

Używaj w swoich aplikacjach systemów uczących się, aby rozwiązywać rzeczywiste problemy.

Firebase Machine Learning to mobilny pakiet SDK, który udostępnia zaawansowane funkcje uczenia maszynowego Google aplikacjom na Androida i Apple w wydajnym i łatwym w użyciu pakiecie. Niezależnie od tego, czy masz doświadczenie w uczeniu maszynowym, wdrożyć potrzebne funkcje w kilku linijkach kodu. Nie ma potrzebują dogłębnej znajomości sieci neuronowych lub optymalizacji modeli, rozpoczęto. Z drugiej strony, jeśli jesteś doświadczonym programistą ML, Firebase ML udostępnia wygodne interfejsy API, które pomagają Modele TensorFlow Lite w aplikacjach mobilnych.

Najważniejsze funkcje

Hostowanie i wdrażanie modeli niestandardowych

używać własnych modeli TensorFlow Lite do wnioskowania na urządzeniu; Tylko wdrożysz swój model w Firebase, a my zajmiemy się hostingiem i udostępnianie jej w aplikacji. Firebase będzie dynamicznie udostępniać najnowsze udostępnić użytkownikom nową wersję modelu, co pozwala na regularne aktualizowanie ich użytkownikom bez konieczności udostępniania użytkownikom nowej wersji.

Gdy używasz Firebase ML z Remote Config, możesz wyświetlać różne modele różnym użytkownikom segmentów, a dzięki A/B Testing przeprowadzamy eksperymenty w celu znalezienia najskuteczniejszego modelu (zobacz Apple przewodniki po Androidzie).
Gotowość do wdrożenia w typowych przypadkach użycia

Firebase ML udostępnia zestaw gotowych do użycia interfejsów API na popularnych urządzeniach mobilnych przypadki użycia: rozpoznawanie tekstu, oznaczanie obrazów etykietami i identyfikowanie punktów orientacyjnych. Wystarczy przekazać dane do biblioteki Firebase ML, aby uzyskać potrzebne informacje. Te interfejsy API wykorzystują możliwości usługi Google Cloud systemów uczących się i zapewniać najwyższy poziom dokładności.

Chmura a na urządzeniu

Firebase ML ma interfejsy API, które działają w chmurze lub na urządzeniu. Gdy definiujemy ML API jako interfejs Cloud API lub interfejs API na urządzeniu, która maszyna przeprowadza wnioskowanie, czyli która maszyna wykorzystuje model ML do wykrywania obserwacji na temat danych, które do nich dostarczasz. W języku: Firebase ML to w dniu Google Cloud albo u Twoich użytkowników urządzeniach mobilnych.

Interfejsy API do rozpoznawania tekstu, oznaczania obrazów etykietami i rozpoznawania punktów orientacyjnych działają wnioskowania w chmurze. Mają one większą moc obliczeniową i pamięć niż porównywalne modele na urządzeniu, dzięki czemu mogą wykonywać wnioskowanie z większą dokładnością niż modele na urządzeniu. Z drugiej strony każde żądanie do tych interfejsów API wymaga przesyłania danych w obie strony. co sprawia, że nie nadają się do aplikacji działających w czasie rzeczywistym i z krótkim czasem oczekiwania, takich jak przetwarzania wideo.

Interfejsy API modeli niestandardowych obsługują modele ML, które działają urządzenia. Modele wykorzystywane i produkowane przez te funkcje są Modele TensorFlow Lite, które są zoptymalizowane pod kątem urządzeń mobilnych. Największą zaletą tych modeli jest to, że nie wymagają połączenia sieciowego i mogą działać bardzo szybko na przykład do przetwarzania klatek filmu w czasie rzeczywistym.

Firebase ML oferuje wdrażanie niestandardowych modeli u użytkowników urządzenia według przesyłając je na nasze serwery. Aplikacja z obsługą Firebase pobierze do swojego modelu urządzenia. Dzięki temu możesz zachować inicjał aplikacji rozmiar instalacji jest mały i można zamienić model ML bez konieczności ponownej publikacji. do aplikacji.

ML Kit: gotowe modele na urządzeniu

Jeśli szukasz już wytrenowanych modeli, które działają na urządzeniu, przejrzyj ML Kit. Dostępny jest pakiet ML Kit na iOS i Androida. Ma interfejsy API do wielu zastosowań:

  • Rozpoznawanie tekstu
  • Dodawanie etykiet do obrazów
  • Wykrywanie i śledzenie obiektów
  • Wykrywanie twarzy i śledzenie konturów
  • Skanowanie kodów kreskowych
  • Identyfikacja języka
  • Tłumaczenie
  • Inteligentna odpowiedź

Dalsze kroki