Join us for Firebase Summit on November 10, 2021. Tune in to learn how Firebase can help you accelerate app development, release with confidence, and scale with ease. Register

Apprentissage automatique Firebase

Utilisez l'apprentissage automatique dans vos applications pour résoudre des problèmes du monde réel.

Firebase Machine Learning est un SDK mobile qui apporte l'expertise de Google en matière d'apprentissage automatique aux applications Android et iOS dans un package puissant mais facile à utiliser. Que vous soyez novice ou expérimenté en apprentissage automatique, vous pouvez implémenter les fonctionnalités dont vous avez besoin en quelques lignes de code. Il n'est pas nécessaire d'avoir une connaissance approfondie des réseaux de neurones ou de l'optimisation des modèles pour commencer. D'un autre côté, si vous êtes un développeur ML expérimenté, Firebase ML fournit des API pratiques qui vous aident à utiliser vos modèles TensorFlow Lite personnalisés dans vos applications mobiles.

Capacités clés

Hébergez et déployez des modèles personnalisés

Utilisez vos propres modèles TensorFlow Lite pour l'inférence sur l'appareil. Déployez simplement votre modèle sur Firebase, et nous nous chargerons de l'héberger et de le diffuser dans votre application. Firebase servira dynamiquement la dernière version du modèle à vos utilisateurs, vous permettant de les mettre à jour régulièrement sans avoir à pousser une nouvelle version de votre application aux utilisateurs.

Lorsque vous utilisez Firebase ML avec Config à distance , vous pouvez servir différents modèles pour différents segments d'utilisateurs, et test A / B , vous pouvez exécuter des expériences pour trouver le meilleur modèle le plus performant (voir iOS et Android guides).

Entraîner automatiquement les modèles

Avec Firebase ML et AutoML Vision Edge, vous pouvez facilement entraîner vos propres modèles d'étiquetage d'images TensorFlow Lite, que vous pouvez utiliser dans votre application pour reconnaître les concepts dans les photographies. Importez des données d'entraînement (vos propres images et étiquettes) et AutoML Vision Edge les utilisera pour entraîner un modèle personnalisé dans le cloud.

Prêt pour la production pour les cas d'utilisation courants

Firebase ML est fourni avec un ensemble d'API prêtes à l'emploi pour les cas d'utilisation mobiles courants : reconnaissance de texte, étiquetage d'images et identification de points de repère. Transmettez simplement les données à la bibliothèque Firebase ML et elle vous donne les informations dont vous avez besoin. Ces API exploitent la puissance de la technologie d'apprentissage automatique de Google Cloud pour vous offrir le plus haut niveau de précision.

Cloud ou sur appareil

Firebase ML dispose d'API qui fonctionnent soit dans le cloud, soit sur l'appareil. Lorsque nous décrivons une API ML comme une API cloud ou de l' API sur l'appareil, nous décrivons que la machine effectue l' inférence: qui est, quelle machine utilise le modèle ML pour découvrir des idées sur les données que vous fournir. Dans Firebase ML, cela se produit soit sur Google Cloud, soit sur les appareils mobiles de vos utilisateurs.

Les API de reconnaissance de texte, d'étiquetage d'images et de reconnaissance de points de repère effectuent des inférences dans le cloud. Ces modèles disposent de plus de puissance de calcul et de mémoire qu'un modèle comparable sur l'appareil et, par conséquent, peuvent effectuer des inférences avec une plus grande exactitude et précision qu'un modèle sur l'appareil. D'autre part, chaque requête à ces API nécessite un aller-retour réseau, ce qui les rend inadaptées aux applications en temps réel et à faible latence telles que le traitement vidéo.

Les API de modèle personnalisé et AutoML Vision Edge traitent des modèles de ML qui s'exécutent sur l'appareil. Les modèles utilisés et produits par ces caractéristiques sont tensorflow Lite modèles, qui sont optimisés pour fonctionner sur des appareils mobiles. Le plus grand avantage de ces modèles est qu'ils ne nécessitent pas de connexion réseau et peuvent fonctionner très rapidement, assez rapidement, par exemple, pour traiter des images de vidéo en temps réel.

Firebase ML fournit deux fonctionnalités clés autour des modèles personnalisés sur l'appareil :

  • Déploiement de modèle personnalisé: Déployer des modèles personnalisés aux appareils de vos utilisateurs en les téléchargeant sur nos serveurs. Votre application compatible Firebase téléchargera le modèle sur l'appareil à la demande. Cela vous permet de garder la taille d'installation initiale de votre application petite et vous pouvez échanger le modèle ML sans avoir à republier votre application.

  • AutoML Vision bord: Ce service vous permet de créer vos propres modèles de classification d'image personnalisée sur l'appareil avec une interface web facile à utiliser. Ensuite, vous pouvez héberger de manière transparente les modèles que vous créez avec le service mentionné ci-dessus.

Kit ML : modèles sur appareil prêts à l'emploi

Si vous cherchez des modèles pré-formés qui fonctionnent sur l'appareil, consultez ML Kit . ML Kit est disponible pour iOS et Android, et possède des API pour de nombreux cas d'utilisation :

  • Reconnaissance de texte
  • Étiquetage des images
  • Détection et suivi d'objets
  • Détection des visages et traçage des contours
  • Numérisation de codes-barres
  • Identification de la langue
  • Traduction
  • Réponse intelligente

Prochaines étapes