সেভ করা পৃষ্ঠা গুছিয়ে রাখতে 'সংগ্রহ' ব্যবহার করুন
আপনার পছন্দ অনুযায়ী কন্টেন্ট সেভ করুন ও সঠিক বিভাগে রাখুন।
Firebase Machine Learning
plat_iosplat_androidplat_flutter
বাস্তব বিশ্বের সমস্যা সমাধানের জন্য আপনার অ্যাপে মেশিন লার্নিং ব্যবহার করুন।
Firebase Machine Learning হল একটি মোবাইল SDK যা একটি শক্তিশালী অথচ সহজেই ব্যবহারযোগ্য প্যাকেজে Android এবং Apple অ্যাপে Google-এর মেশিন লার্নিং দক্ষতা নিয়ে আসে। আপনি মেশিন লার্নিংয়ে নতুন বা অভিজ্ঞ হোন না কেন, আপনি কোডের কয়েকটি লাইনে আপনার প্রয়োজনীয় কার্যকারিতা বাস্তবায়ন করতে পারেন। শুরু করার জন্য নিউরাল নেটওয়ার্ক বা মডেল অপ্টিমাইজেশান সম্পর্কে গভীর জ্ঞানের প্রয়োজন নেই। অন্যদিকে, আপনি যদি একজন অভিজ্ঞ ML ডেভেলপার হন, Firebase ML সুবিধাজনক API প্রদান করে যা আপনাকে আপনার মোবাইল অ্যাপে আপনার কাস্টম TensorFlow Lite মডেল ব্যবহার করতে সাহায্য করে।
মূল ক্ষমতা
হোস্ট এবং কাস্টম মডেল স্থাপন
ডিভাইসে অনুমানের জন্য আপনার নিজস্ব TensorFlow Lite মডেল ব্যবহার করুন। শুধু Firebase এ আপনার মডেল স্থাপন করুন, এবং আমরা আপনার অ্যাপে এটি হোস্টিং এবং পরিবেশন করার যত্ন নেব। Firebase আপনার ব্যবহারকারীদের কাছে মডেলের সর্বশেষ সংস্করণটি গতিশীলভাবে পরিবেশন করবে, আপনাকে ব্যবহারকারীদের কাছে আপনার অ্যাপের একটি নতুন সংস্করণ ঠেলে না দিয়ে সেগুলিকে নিয়মিত আপডেট করার অনুমতি দেবে।
আপনি যখন Remote Config সাথে Firebase ML ব্যবহার করেন, তখন আপনি বিভিন্ন ব্যবহারকারী বিভাগে বিভিন্ন মডেল পরিবেশন করতে পারেন এবং A/B Testing -এর মাধ্যমে আপনি সেরা পারফরম্যান্স মডেল খুঁজে পেতে পরীক্ষা চালাতে পারেন ( Apple এবং Android গাইড দেখুন)।
সাধারণ ব্যবহারের ক্ষেত্রে উৎপাদন-প্রস্তুত
Firebase ML সাধারণ মোবাইল ব্যবহারের ক্ষেত্রে ব্যবহারের জন্য প্রস্তুত API-এর একটি সেট নিয়ে আসে: পাঠ্য শনাক্ত করা, ছবি লেবেল করা এবং ল্যান্ডমার্ক চিহ্নিত করা। শুধু Firebase ML লাইব্রেরিতে ডেটা পাঠান এবং এটি আপনাকে আপনার প্রয়োজনীয় তথ্য দেয়। এই APIগুলি আপনাকে সর্বোচ্চ স্তরের নির্ভুলতা দিতে Google Cloud মেশিন লার্নিং প্রযুক্তির শক্তিকে কাজে লাগায়৷
ক্লাউড বনাম ডিভাইসে
Firebase ML API রয়েছে যা ক্লাউডে বা ডিভাইসে কাজ করে। যখন আমরা একটি ML API কে ক্লাউড API বা অন-ডিভাইস API হিসাবে বর্ণনা করি, তখন আমরা বর্ণনা করি কোন মেশিনটি অনুমান সম্পাদন করে : অর্থাৎ, কোন মেশিনটি আপনার প্রদান করা ডেটা সম্পর্কে অন্তর্দৃষ্টি আবিষ্কার করতে ML মডেল ব্যবহার করে। Firebase ML এ, এটি হয় Google Cloud বা আপনার ব্যবহারকারীদের মোবাইল ডিভাইসে ঘটে।
পাঠ্য শনাক্তকরণ, চিত্র লেবেলিং, এবং ল্যান্ডমার্ক স্বীকৃতি API গুলি ক্লাউডে অনুমান সম্পাদন করে। এই মডেলগুলির একটি তুলনীয় অন-ডিভাইস মডেলের তুলনায় তাদের কাছে বেশি কম্পিউটেশনাল শক্তি এবং মেমরি উপলব্ধ রয়েছে এবং ফলস্বরূপ, একটি অন-ডিভাইস মডেলের তুলনায় অধিক নির্ভুলতা এবং নির্ভুলতার সাথে অনুমান করতে পারে। অন্যদিকে, এই API-গুলির প্রতিটি অনুরোধের জন্য একটি নেটওয়ার্ক রাউন্ড-ট্রিপ প্রয়োজন, যা তাদের রিয়েল-টাইম এবং ভিডিও প্রক্রিয়াকরণের মতো কম-বিলম্বিত অ্যাপ্লিকেশনগুলির জন্য অনুপযুক্ত করে তোলে।
কাস্টম মডেল APIগুলি এমএল মডেলগুলির সাথে ডিল করে যা ডিভাইসে চলে৷ এই বৈশিষ্ট্যগুলির দ্বারা ব্যবহৃত এবং উত্পাদিত মডেলগুলি হল TensorFlow Lite মডেল, যা মোবাইল ডিভাইসে চালানোর জন্য অপ্টিমাইজ করা হয়েছে৷ এই মডেলগুলির সবচেয়ে বড় সুবিধা হল যে তাদের নেটওয়ার্ক সংযোগের প্রয়োজন হয় না এবং খুব দ্রুত-পর্যাপ্ত দ্রুত চলতে পারে, উদাহরণস্বরূপ, রিয়েল টাইমে ভিডিওর ফ্রেমগুলি প্রক্রিয়া করার জন্য।
Firebase ML আমাদের সার্ভারে আপলোড করে আপনার ব্যবহারকারীদের ডিভাইসে কাস্টম মডেল স্থাপন করার ক্ষমতা প্রদান করে। আপনার ফায়ারবেস-সক্ষম অ্যাপ চাহিদা অনুযায়ী ডিভাইসে মডেলটি ডাউনলোড করবে। এটি আপনাকে আপনার অ্যাপের প্রাথমিক ইনস্টলের আকার ছোট রাখতে দেয় এবং আপনি আপনার অ্যাপটি পুনঃপ্রকাশ না করেই এমএল মডেল অদলবদল করতে পারেন।
এমএল কিট: ডিভাইসে ব্যবহার করার জন্য প্রস্তুত মডেল
আপনি যদি ডিভাইসে চালিত প্রাক-প্রশিক্ষিত মডেলগুলি খুঁজছেন, তাহলে ML Kit দেখুন। ML Kit iOS এবং Android এর জন্য উপলব্ধ, এবং অনেক ব্যবহারের ক্ষেত্রে API আছে:
[[["সহজে বোঝা যায়","easyToUnderstand","thumb-up"],["আমার সমস্যার সমাধান হয়েছে","solvedMyProblem","thumb-up"],["অন্যান্য","otherUp","thumb-up"]],[["এতে আমার প্রয়োজনীয় তথ্য নেই","missingTheInformationINeed","thumb-down"],["খুব জটিল / অনেক ধাপ","tooComplicatedTooManySteps","thumb-down"],["পুরনো","outOfDate","thumb-down"],["অনুবাদ সংক্রান্ত সমস্যা","translationIssue","thumb-down"],["নমুনা / কোড সংক্রান্ত সমস্যা","samplesCodeIssue","thumb-down"],["অন্যান্য","otherDown","thumb-down"]],["2025-08-22 UTC-তে শেষবার আপডেট করা হয়েছে।"],[],[],null,["Firebase Machine Learning \nplat_ios plat_android plat_flutter \nUse machine learning in your apps to solve real-world problems. \n\nFirebase Machine Learning is a mobile SDK that brings Google's machine\nlearning expertise to Android and Apple apps in a powerful yet easy-to-use\npackage. Whether you're new or experienced in machine learning, you can\nimplement the functionality you need in just a few lines of code. There's no\nneed to have deep knowledge of neural networks or model optimization to get\nstarted. On the other hand, if you are an experienced ML developer,\nFirebase ML provides convenient APIs that help you use your custom\nTensorFlow Lite models in your mobile apps.\n| This is a beta release of Firebase ML. This API might be changed in backward-incompatible ways and is not subject to any SLA or deprecation policy.\n\nKey capabilities\n\n|---------------------------------------|--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|\n| Host and deploy custom models | Use your own TensorFlow Lite models for on-device inference. Just deploy your model to Firebase, and we'll take care of hosting and serving it to your app. Firebase will dynamically serve the latest version of the model to your users, allowing you to regularly update them without having to push a new version of your app to users. When you use Firebase ML with [Remote Config](/docs/remote-config), you can serve different models to different user segments, and with [A/B Testing](/docs/ab-testing), you can run experiments to find the best performing model (see the [Apple](/docs/ml/ios/ab-test-models) and [Android](/docs/ml/android/ab-test-models) guides). |\n| Production-ready for common use cases | Firebase ML comes with a set of ready-to-use APIs for common mobile use cases: recognizing text, labeling images, and identifying landmarks. Simply pass in data to the Firebase ML library and it gives you the information you need. These APIs leverage the power of Google Cloud's machine learning technology to give you the highest level of accuracy. |\n\nCloud vs. on-device\n\nFirebase ML has APIs that work either in the cloud or on the device.\nWhen we describe an ML API as being a cloud API or on-device API, we are\ndescribing *which machine performs inference* : that is, which machine uses the\nML model to discover insights about the data you provide it. In Firebase ML,\nthis happens either on Google Cloud, or on your users' mobile devices.\n\nThe text recognition, image labeling, and landmark recognition APIs perform\ninference in the cloud. These models have more computational power and memory\navailable to them than a comparable on-device model, and as a result, can\nperform inference with greater accuracy and precision than an on-device model.\nOn the other hand, every request to these APIs requires a network round-trip,\nwhich makes them unsuitable for real-time and low-latency applications such as\nvideo processing.\n\nThe custom model APIs deal with ML models that run on the\ndevice. The models used and produced by these features are\n[TensorFlow Lite](https://tensorflow.org/lite) models, which are\noptimized to run on mobile devices. The biggest advantage to these models is\nthat they don't require a network connection and can run very quickly---fast\nenough, for example, to process frames of video in real time.\n\nFirebase ML provides\nthe ability to deploy custom models to your users' devices by\nuploading them to our servers. Your Firebase-enabled app will download the\nmodel to the device on demand. This allows you to keep your app's initial\ninstall size small, and you can swap the ML model without having to republish\nyour app.\n\nML Kit: Ready-to-use on-device models On June 3, 2020, we started offering ML Kit's on-device APIs through a\n| [new\n| standalone SDK](https://developers.google.com/ml-kit).\n| Google Cloud APIs and custom model deployment will\n| continue to be available through Firebase Machine Learning.\n\nIf you're looking for pre-trained models that run on the device, check out\n[ML Kit](https://developers.google.com/ml-kit). ML Kit is available\nfor iOS and Android, and has APIs for many use cases:\n\n- Text recognition\n- Image labeling\n- Object detection and tracking\n- Face detection and contour tracing\n- Barcode scanning\n- Language identification\n- Translation\n- Smart Reply\n\nNext steps\n\n- Explore the ready-to-use APIs: [text recognition](/docs/ml/recognize-text), [image labeling](/docs/ml/label-images), and [landmark recognition](/docs/ml/recognize-landmarks).\n- Learn about using mobile-optimized [custom models](/docs/ml/use-custom-models) in your app."]]
