Машинное обучение Firebase

Используйте машинное обучение в своих приложениях для решения реальных проблем.

Firebase Machine Learning – это мобильный SDK, который объединяет опыт Google в области машинного обучения с приложениями Android и Apple в мощном, но простом в использовании пакете. Независимо от того, являетесь ли вы новичком или опытным специалистом в области машинного обучения, вы можете реализовать необходимую функциональность, написав всего несколько строк кода. Чтобы начать работу, не обязательно иметь глубокие знания в области нейронных сетей или оптимизации моделей. С другой стороны, если вы опытный разработчик машинного обучения, Firebase ML предоставляет удобные API, которые помогут вам использовать пользовательские модели TensorFlow Lite в мобильных приложениях.

Ключевые возможности

Размещение и развертывание пользовательских моделей

Используйте свои собственные модели TensorFlow Lite для логического вывода на устройстве. Просто разверните свою модель в Firebase, а мы позаботимся о ее размещении и обслуживании в вашем приложении. Firebase будет динамически предоставлять последнюю версию модели вашим пользователям, что позволит вам регулярно обновлять их без необходимости отправлять пользователям новую версию вашего приложения.

При использовании Firebase ML с Remote Config вы можете обслуживать разные модели для разных сегментов пользователей, а с A/B-тестированием вы можете проводить эксперименты, чтобы найти наиболее эффективную модель (см. руководства для Apple и Android ).

Готов к производству для распространенных случаев использования

Firebase ML поставляется с набором готовых к использованию API-интерфейсов для обычных мобильных приложений: распознавание текста, маркировка изображений и определение ориентиров. Просто передайте данные в библиотеку Firebase ML, и она предоставит вам необходимую информацию. Эти API-интерфейсы используют возможности технологии машинного обучения Google Cloud для обеспечения высочайшего уровня точности.

Облако против устройства

Firebase ML имеет API, которые работают либо в облаке, либо на устройстве. Когда мы описываем API ML как облачный API или API на устройстве, мы описываем, какая машина выполняет вывод , то есть какая машина использует модель ML для получения информации о данных, которые вы ей предоставляете. В Firebase ML это происходит либо в Google Cloud, либо на мобильных устройствах ваших пользователей.

API-интерфейсы распознавания текста, маркировки изображений и распознавания ориентиров выполняют вывод в облаке. Эти модели обладают большей вычислительной мощностью и доступной памятью, чем сопоставимая модель на устройстве, и, как следствие, могут выполнять логические выводы с большей точностью и точностью, чем модель на устройстве. С другой стороны, каждый запрос к этим API-интерфейсам требует двусторонней передачи по сети, что делает их непригодными для приложений реального времени и приложений с малой задержкой, таких как обработка видео.

API-интерфейсы пользовательских моделей работают с моделями машинного обучения, которые работают на устройстве. Модели, используемые и создаваемые этими функциями, представляют собой модели TensorFlow Lite , оптимизированные для работы на мобильных устройствах. Самым большим преимуществом этих моделей является то, что они не требуют подключения к сети и могут работать очень быстро — достаточно быстро, например, для обработки кадров видео в режиме реального времени.

Firebase ML предоставляет возможность развертывания пользовательских моделей на устройствах ваших пользователей путем загрузки их на наши серверы. Ваше приложение с поддержкой Firebase загрузит модель на устройство по запросу. Это позволяет сохранить первоначальный размер установки вашего приложения небольшим, и вы можете поменять модель машинного обучения без необходимости повторной публикации приложения.

ML Kit: готовые к использованию модели на устройстве

Если вы ищете предварительно обученные модели, работающие на устройстве, ознакомьтесь с ML Kit . ML Kit доступен для iOS и Android и имеет API для многих вариантов использования:

  • Распознавание текста
  • Маркировка изображения
  • Обнаружение и отслеживание объектов
  • Распознавание лиц и трассировка контуров
  • Сканирование штрих-кода
  • Идентификация языка
  • Перевод
  • Умный ответ

Следующие шаги