Check out what’s new from Firebase@ Google I/O 2021, and join our alpha program for early access to the new Remote Config personalization feature. Learn more

التعلم الآلي لـ Firebase

استخدم التعلم الآلي في تطبيقاتك لحل مشاكل العالم الحقيقي.

Firebase Machine Learning عبارة عن حزمة SDK للجوال توفر خبرة التعلم الآلي من Google لتطبيقات Android و iOS في حزمة قوية وسهلة الاستخدام. سواء كنت جديدًا أو خبيرًا في التعلم الآلي ، يمكنك تنفيذ الوظائف التي تحتاجها في بضعة أسطر من التعليمات البرمجية. ليست هناك حاجة إلى معرفة عميقة بالشبكات العصبية أو تحسين النموذج للبدء. من ناحية أخرى ، إذا كنت مطور ML متمرسًا ، فإن Firebase ML يوفر واجهات برمجة تطبيقات ملائمة تساعدك على استخدام نماذج TensorFlow Lite المخصصة في تطبيقات الجوال الخاصة بك.

القدرات الأساسية

استضافة ونشر النماذج المخصصة

استخدم نماذج TensorFlow Lite الخاصة بك للاستدلال على الجهاز. ما عليك سوى نشر نموذجك على Firebase ، وسنتكفل باستضافته وتقديمه إلى تطبيقك. سيعرض Firebase بشكل ديناميكي أحدث إصدار من النموذج للمستخدمين ، مما يسمح لك بتحديثهم بانتظام دون الحاجة إلى إرسال إصدار جديد من تطبيقك إلى المستخدمين.

عند استخدام Firebase ML مع Remote Config ، يمكنك تقديم نماذج مختلفة لشرائح مستخدمين مختلفة ، وباستخدام اختبار A / B ، يمكنك إجراء تجارب للعثور على أفضل نموذج أداء (راجع أدلة iOS و Android ).

تدريب النماذج تلقائيًا

باستخدام Firebase ML و AutoML Vision Edge ، يمكنك بسهولة تدريب نماذج ملصقات الصور TensorFlow Lite الخاصة بك ، والتي يمكنك استخدامها في تطبيقك للتعرف على المفاهيم في الصور الفوتوغرافية. قم بتحميل بيانات التدريب - صورك وملصقاتك - وسيستخدمها AutoML Vision Edge لتدريب نموذج مخصص في السحابة.

جاهز للإنتاج لحالات الاستخدام الشائعة

يأتي Firebase ML مزودًا بمجموعة من واجهات برمجة التطبيقات الجاهزة للاستخدام لحالات استخدام الأجهزة المحمولة الشائعة: التعرف على النص ، ووضع علامات على الصور ، وتحديد المعالم. ما عليك سوى تمرير البيانات إلى مكتبة Firebase ML وتعطيك المعلومات التي تحتاجها. تستفيد واجهات برمجة التطبيقات هذه من قوة تقنية التعلم الآلي في Google Cloud لتمنحك أعلى مستوى من الدقة.

السحابة مقابل الجهاز

يحتوي Firebase ML على واجهات برمجة تطبيقات تعمل إما في السحابة أو على الجهاز. عندما نصف واجهة برمجة تطبيقات ML على أنها واجهة برمجة تطبيقات سحابية أو واجهة برمجة تطبيقات على الجهاز ، فإننا نصف الجهاز الذي يقوم بالاستدلال : أي الجهاز الذي يستخدم نموذج ML لاكتشاف رؤى حول البيانات التي تقدمها. في Firebase ML ، يحدث هذا إما على Google Cloud أو على أجهزة المستخدمين المحمولة.

تقوم واجهات برمجة تطبيقات التعرف على النص وتسمية الصور والتعرف على المعالم بالاستدلال في السحابة. تتمتع هذه النماذج بقوة حسابية وذاكرة متاحة لها أكثر من النماذج المماثلة الموجودة على الجهاز ، ونتيجة لذلك ، يمكنها إجراء استدلال بدقة ودقة أكبر من الطراز الموجود على الجهاز. من ناحية أخرى ، يتطلب كل طلب لواجهات برمجة التطبيقات هذه رحلة ذهابًا وإيابًا للشبكة ، مما يجعلها غير مناسبة لتطبيقات الوقت الفعلي وزمن الانتقال المنخفض مثل معالجة الفيديو.

تتعامل واجهات برمجة التطبيقات APIs النموذجية المخصصة و AutoML Vision Edge مع نماذج ML التي تعمل على الجهاز. النماذج المستخدمة والمنتجة بواسطة هذه الميزات هي نماذج TensorFlow Lite ، والتي تم تحسينها للتشغيل على الأجهزة المحمولة. أكبر ميزة لهذه النماذج هي أنها لا تتطلب اتصالاً بالشبكة ويمكن أن تعمل بسرعة كبيرة - بسرعة كافية ، على سبيل المثال ، لمعالجة إطارات الفيديو في الوقت الفعلي.

يوفر Firebase ML إمكانات رئيسية حول الطرز المخصصة على الجهاز:

  • نموذج مخصص نشر: نشر نماذج مخصصة لأجهزة المستخدمين لديك عن طريق تحميلها على الخوادم الخاصة بنا. سيقوم تطبيقك الذي يدعم Firebase بتنزيل النموذج على الجهاز عند الطلب. يتيح لك ذلك الحفاظ على حجم التثبيت الأولي لتطبيقك صغيرًا ، ويمكنك تبديل نموذج ML دون الحاجة إلى إعادة نشر تطبيقك.

  • AutoML Vision Edge : تساعدك هذه الخدمة في إنشاء نماذج تصنيف الصور المخصصة على الجهاز بواجهة ويب سهلة الاستخدام. بعد ذلك ، يمكنك استضافة النماذج التي تنشئها بسهولة باستخدام الخدمة المذكورة أعلاه.

ML Kit: طرز جاهزة للاستخدام على الجهاز

إذا كنت تبحث عن طرز مدربة مسبقًا تعمل على الجهاز ، فراجع ML Kit . تتوفر ML Kit لنظامي iOS و Android ، وتحتوي على واجهات برمجة تطبيقات للعديد من حالات الاستخدام:

  • التعرف على النص
  • وسم الصورة
  • الكشف عن الأشياء وتتبعها
  • كشف الوجه وتتبع الكنتور
  • مسح الباركود
  • تحديد اللغة
  • ترجمة
  • رد ذكي

الخطوات التالية