التعلم الآلي على Firebase

استخدم التعلم الآلي في تطبيقاتك لحل مشكلات العالم الحقيقي.

Firebase Machine Learning عبارة عن حزمة SDK للهواتف المحمولة توفر خبرة Google في التعلم الآلي لتطبيقات Android وApple في حزمة قوية وسهلة الاستخدام. سواء كنت جديدًا أو ذا خبرة في مجال التعلم الآلي، يمكنك تنفيذ الوظائف التي تحتاجها في بضعة أسطر فقط من التعليمات البرمجية. ليست هناك حاجة إلى معرفة عميقة بالشبكات العصبية أو تحسين النموذج للبدء. من ناحية أخرى، إذا كنت أحد مطوري تعلم الآلة ذوي الخبرة، فإن Firebase ML يوفر واجهات برمجة التطبيقات الملائمة التي تساعدك على استخدام نماذج TensorFlow Lite المخصصة في تطبيقات الهاتف المحمول الخاصة بك.

القدرات الأساسية

استضافة ونشر النماذج المخصصة

استخدم نماذج TensorFlow Lite الخاصة بك للاستدلال على الجهاز. ما عليك سوى نشر النموذج الخاص بك على Firebase، وسنتولى نحن استضافته وتقديمه لتطبيقك. سيقدم Firebase أحدث إصدار من النموذج لمستخدميك ديناميكيًا، مما يسمح لك بتحديثهم بانتظام دون الحاجة إلى دفع إصدار جديد من تطبيقك إلى المستخدمين.

عند استخدام Firebase ML مع Remote Config ، يمكنك تقديم نماذج مختلفة لشرائح مستخدمين مختلفة، ومع اختبار A/B ، يمكنك إجراء تجارب للعثور على النموذج الأفضل أداءً (راجع أدلة Apple و Android ).

الإنتاج جاهز لحالات الاستخدام الشائع

يأتي Firebase ML مزودًا بمجموعة من واجهات برمجة التطبيقات الجاهزة للاستخدام لحالات الاستخدام الشائعة للهواتف المحمولة: التعرف على النص، ووضع علامات على الصور، وتحديد المعالم. ما عليك سوى تمرير البيانات إلى مكتبة Firebase ML وستمنحك 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 التطبيقات التي تعمل إما في السحابة أو على الجهاز. عندما نصف واجهة برمجة تطبيقات ML بأنها 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 له. في Firebase ML، يحدث هذا إما على Google Cloud أو على الأجهزة المحمولة للمستخدمين.

تقوم واجهات برمجة تطبيقات التعرف على النص ووضع العلامات على الصور والتعرف على المعالم بإجراء الاستدلال في السحابة. تتمتع هذه النماذج بقدرة حسابية وذاكرة متاحة لها أكبر من الطراز الموجود على الجهاز، ونتيجة لذلك، يمكنها إجراء الاستدلال بدقة ودقة أكبر من النموذج الموجود على الجهاز. من ناحية أخرى، يتطلب كل طلب إلى واجهات برمجة التطبيقات هذه رحلة ذهابًا وإيابًا عبر الشبكة، مما يجعلها غير مناسبة لتطبيقات الوقت الفعلي وتطبيقات زمن الوصول المنخفض مثل معالجة الفيديو.

تتعامل واجهات برمجة التطبيقات النموذجية المخصصة مع نماذج تعلم الآلة التي تعمل على الجهاز. النماذج المستخدمة والتي تنتجها هذه الميزات هي نماذج TensorFlow Lite ، والتي تم تحسينها للتشغيل على الأجهزة المحمولة. أكبر ميزة لهذه النماذج هي أنها لا تتطلب اتصالاً بالشبكة ويمكن تشغيلها بسرعة كبيرة، بسرعة كافية، على سبيل المثال، لمعالجة إطارات الفيديو في الوقت الفعلي.

يوفر Firebase ML القدرة على نشر نماذج مخصصة على أجهزة المستخدمين لديك عن طريق تحميلها على خوادمنا. 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.

ML Kit: نماذج جاهزة للاستخدام على الجهاز

إذا كنت تبحث عن نماذج مدربة مسبقًا تعمل على الجهاز، فاطلع على ML Kit . يتوفر ML Kit لنظامي التشغيل iOS وAndroid، ويحتوي على واجهات برمجة التطبيقات للعديد من حالات الاستخدام:

  • التعرف على النص
  • وضع العلامات على الصور
  • كشف الكائنات وتتبعها
  • كشف الوجه وتتبع الكفاف
  • مسح الباركود
  • تحديد اللغة
  • ترجمة
  • الرد الذكي

الخطوات التالية