Firebase Machine Learning
在應用程式中使用機器學習技術，解決實際問題。
Firebase Machine Learning 是行動 SDK，可將 Google 的機器學習專業知識運用在 Android 和 Apple 應用程式中，提供功能強大且易於使用的套件。無論您是剛接觸機器學習的新手，還是有經驗的新手，都可以 只需幾行程式碼即可實作所需功能。沒有任何 必須先具備深厚的類神經網路或模型最佳化知識 已開始。另一方面，若您是經驗豐富的機器學習開發人員 Firebase ML 提供便利的 API， TensorFlow Lite 模型
主要功能
| 託管及部署自訂模型 |
使用自己的 TensorFlow Lite 模型在裝置端執行推論。只要 將模型部署至 Firebase 後，我們會負責託管 提供給您的應用程式Firebase 會透過動態方式 並定期更新 而不必向使用者推出新版應用程式。 搭配 使用 Firebase ML 時 Remote Config，您可以為不同使用者提供不同的模型 區隔以及A/B Testing，則能 就能進行實驗，找出成效最佳的模型 (請參閱 Apple 和 Android 指南)。 |
| 可立即運用於常見用途的實際工作環境 |
Firebase ML 隨附一組可用於一般行動裝置的現成 API 用途：辨識文字、為圖片加上標籤及識別地標。 只要將資料傳入 Firebase ML 程式庫，即可 您需要的資訊這些 API 會運用 Google Cloud 強大的機器學習技術，提供最高準確度。 |
雲端與裝置端
Firebase ML 的 API 可在雲端或裝置上運作。 當我們將 ML API 描述為雲端 API 或裝置端 API 時 說明執行推論的機器：也就是機器使用 機器學習模型，根據您提供的資料發掘洞察資訊。在 Firebase ML， 發生在 Google Cloud 或您的使用者使用行動裝置
文字辨識、圖片標籤和地標辨識 API 可執行的工作 執行雲端推論這類模型的運算能力和記憶體容量更高 可以使用這些 API，因此可以 執行推論作業的準確率和精確度比裝置端模型高。 另一方面，向這些 API 發出的每個要求都需要網路往返 因此不適合即時且低延遲的應用程式，例如 影片處理中
自訂模型 API 會處理在裝置上執行的機器學習模型。這些功能所使用及產生的模型為 TensorFlow Lite 模型，經過最佳化處理，可在行動裝置上執行。這類模型最大的優點是 不僅不需要網路連線，而且執行速度飛快 例如即時處理影片影格
「Firebase ML」提供 可將自訂模型部署至裝置劃分依據： 將檔案上傳到我們的伺服器啟用 Firebase 的應用程式就會下載 將模型推送到裝置這可讓您保留應用程式的初始 安裝大小很小，而且不必重新發布即可替換機器學習模型
ML Kit：立即可用的裝置端模型
如要尋找在裝置上執行的預先訓練模型，請參閱 ML Kit 的結果。現已推出 ML Kit 而且 API 適用於多種用途：
- 文字辨識
- 圖片標籤
- 偵測及追蹤物件
- 臉部偵測和輪廓追蹤
- 條碼掃描
- 語言識別
- 翻譯
- 智慧回覆