Google is committed to advancing racial equity for Black communities. See how.
This page was translated by the Cloud Translation API.
Switch to English

ফায়ারবেস মেশিন লার্নিং

বাস্তব-বিশ্ব সমস্যাগুলি সমাধান করতে আপনার অ্যাপ্লিকেশনগুলিতে মেশিন লার্নিং ব্যবহার করুন।

ফায়ারবেস মেশিন লার্নিং এমন একটি মোবাইল এসডিকে যা একটি শক্তিশালী তবুও সহজে ব্যবহারযোগ্য প্যাকেজটিতে অ্যান্ড্রয়েড এবং আইওএস অ্যাপ্লিকেশনগুলিতে গুগলের মেশিন লার্নিং দক্ষতা এনে দেয়। আপনি মেশিন লার্নিংয়ে নতুন বা অভিজ্ঞ, আপনি কোডের কয়েকটি লাইনে আপনার প্রয়োজনীয় কার্যকারিতা বাস্তবায়ন করতে পারেন। শুরু করার জন্য নিউরাল নেটওয়ার্কগুলি বা মডেল অপ্টিমাইজেশন সম্পর্কে গভীর জ্ঞান থাকার প্রয়োজন নেই। অন্যদিকে, আপনি যদি অভিজ্ঞ এমএল বিকাশকারী হন তবে ফায়ারবেস এমএল আপনার মোবাইল অ্যাপ্লিকেশনগুলিতে আপনার কাস্টম টেনসরফ্লো লাইট মডেলগুলি ব্যবহার করতে সহায়তা করে এমন সুবিধাজনক এপিআই সরবরাহ করে।

মূল ক্ষমতা

হোস্ট এবং কাস্টম মডেল স্থাপন

অন ​​ডিভাইস অনুক্রমের জন্য আপনার নিজের টেনসরফ্লো লাইট মডেলগুলি ব্যবহার করুন। কেবলমাত্র আপনার মডেলটিকে ফায়ারবেসে স্থাপন করুন এবং আমরা এটি আপনার অ্যাপে হোস্টিং ও পরিবেশনের যত্ন নেব। ফায়ারবেস গতিশীলভাবে আপনার ব্যবহারকারীদের কাছে মডেলের সর্বশেষতম সংস্করণ পরিবেশন করবে, আপনাকে আপনার অ্যাপ্লিকেশনটির নতুন সংস্করণ ব্যবহারকারীদের কাছে না চাপিয়ে নিয়মিত আপডেট করার অনুমতি দেবে।

আপনি যখন রিমোট কনফিগারেশনের মাধ্যমে ফায়ারবেস এমএল ব্যবহার করেন, আপনি বিভিন্ন ব্যবহারকারীর বিভাগগুলিতে বিভিন্ন মডেল পরিবেশন করতে পারেন এবং এ / বি পরীক্ষার সাহায্যে আপনি সেরা পারফর্মিং মডেল ( আইওএস এবং অ্যান্ড্রয়েড গাইডগুলি দেখুন) সন্ধান করতে পরীক্ষা চালাতে পারেন।

স্বয়ংক্রিয়ভাবে মডেলগুলি প্রশিক্ষণ দিন

ফায়ারবেস এমএল এবং অটোএমএল ভিশন এজ সহ, আপনি সহজেই নিজের টেনসরফ্লো লাইট ইমেজ লেবেলিং মডেলগুলি প্রশিক্ষণ দিতে পারেন, যা আপনি ফটোগ্রাফের ধারণাগুলি সনাক্ত করতে আপনার অ্যাপ্লিকেশনটিতে ব্যবহার করতে পারেন। আপলোড প্রশিক্ষণ ডেটা — আপনার নিজস্ব চিত্র এবং লেবেলগুলি Auto এবং অটোএমএল ভিশন এজ এগুলি ক্লাউডে একটি কাস্টম মডেল প্রশিক্ষণের জন্য ব্যবহার করবে।

উত্পাদন-সাধারণ ব্যবহারের ক্ষেত্রে প্রস্তুত

ফায়ারবেস এমএল সাধারণ মোবাইল ব্যবহারের ক্ষেত্রে ব্যবহারযোগ্য প্রস্তুত এপিআইয়ের একটি সেট নিয়ে আসে: পাঠ্যকে স্বীকৃতি দেয়, চিত্রগুলি লেবেল করে এবং ল্যান্ডমার্কগুলি সনাক্ত করে। ফায়ারবেস এমএল লাইব্রেরিতে কেবল ডেটা প্রবেশ করুন এবং এটি আপনাকে প্রয়োজনীয় তথ্য দেয়। এই এপিআইগুলি আপনাকে সর্বোচ্চ স্তরের নির্ভুলতা দেওয়ার জন্য গুগল ক্লাউডের মেশিন লার্নিং প্রযুক্তির শক্তি অর্জন করে।

ক্লাউড বনাম ডিভাইস

ফায়ারবেস এমএল এর এমন এপিআই রয়েছে যা মেঘের মধ্যে বা ডিভাইসে কাজ করে। আমরা যখন কোনও এমএল এপিআইকে ক্লাউড এপিআই বা অন-ডিভাইস এপিআই হিসাবে বর্ণনা করি তখন আমরা বর্ণনা করি যে কোন মেশিনটি অনুক্রম সম্পাদন করে : এটি হ'ল কোন মেশিন আপনার সরবরাহ করা ডেটা সম্পর্কে অন্তর্দৃষ্টি আবিষ্কার করতে এমএল মডেলটি ব্যবহার করে। ফায়ারবেস এমএলে, এটি Google মেঘ বা আপনার ব্যবহারকারীর মোবাইল ডিভাইসে হয় happens

পাঠ্য স্বীকৃতি, চিত্র লেবেলিং এবং ল্যান্ডমার্ক স্বীকৃতি এপিআইগুলি মেঘের মধ্যে অনুমান করে। এই মডেলগুলির তুলনামূলক অন-ডিভাইস মডেলের তুলনায় তাদের কাছে আরও বেশি গণনামূলক শক্তি এবং মেমরি উপলব্ধ রয়েছে এবং ফলস্বরূপ, একটি অন ডিভাইস মডেলের চেয়ে আরও বেশি নির্ভুলতা এবং নির্ভুলতার সাথে অনুক্রম সম্পাদন করতে পারে। অন্যদিকে, এই এপিআইগুলিতে প্রতিটি অনুরোধের জন্য একটি নেটওয়ার্ক রাউন্ড-ট্রিপ দরকার, যা তাদেরকে বাস্তব-সময়ের এবং ভিডিও-প্রসেসিংয়ের মতো স্বল্প-বিলম্বিত অ্যাপ্লিকেশনগুলির জন্য অনুপযুক্ত করে তোলে।

কাস্টম মডেল এপিআই এবং অটোএমএল ভিশন এজ ডিভাইসে চালিত এমএল মডেলগুলির সাথে ডিল করে। এই বৈশিষ্ট্যগুলির দ্বারা ব্যবহৃত এবং উত্পাদিত মডেলগুলি হ'ল টেনসরফ্লো লাইট মডেল, যা মোবাইল ডিভাইসে চালিত হওয়ার জন্য অনুকূলিত। এই মডেলগুলির সর্বাধিক সুবিধা হ'ল তাদের কোনও নেটওয়ার্ক সংযোগের প্রয়োজন নেই এবং খুব দ্রুত চালাতে পারে - যথেষ্ট দ্রুত, উদাহরণস্বরূপ, রিয়েল টাইমে ভিডিওর ফ্রেমগুলি প্রক্রিয়া করা।

ফায়ারবেস এমএল অন-ডিভাইস কাস্টম মডেলগুলির আশেপাশে দুটি মূল ক্ষমতা সরবরাহ করে:

  • কাস্টম মডেল স্থাপনা : আপনার সার্ভারে আপলোড করে আপনার ব্যবহারকারীদের ডিভাইসে কাস্টম মডেল স্থাপন করুন। আপনার ফায়ারবেস-সক্ষম সক্ষম অ্যাপ্লিকেশনটি চাহিদা অনুযায়ী ডিভাইসে মডেলটি ডাউনলোড করবে। এটি আপনাকে আপনার অ্যাপ্লিকেশনের প্রাথমিক ইনস্টল আকারটি ছোট রাখতে সহায়তা করে এবং আপনি নিজের অ্যাপ্লিকেশনটি পুনরায় প্রকাশ না করেই এমএল মডেলটি অদলবদল করতে পারবেন।

  • অটোএমএল ভিশন এজ : এই পরিষেবাটি আপনাকে সহজেই ব্যবহারযোগ্য সহজে ওয়েব ইন্টারফেসের সাহায্যে নিজের অন-ডিভাইস কাস্টম চিত্রের শ্রেণিবদ্ধকরণ মডেল তৈরি করতে সহায়তা করে। তারপরে, আপনি উপরে উল্লিখিত পরিষেবাদি দিয়ে আপনি তৈরি মডেলগুলি নির্বিঘ্নে হোস্ট করতে পারেন।

এমএল কিট: ব্যবহারের জন্য অন ডিভাইস মডেল

আপনি যদি ডিভাইসে চালিত প্রাক-প্রশিক্ষিত মডেলগুলির সন্ধান করেন তবে এমএল কিটটি দেখুন । এমএল কিটটি আইওএস এবং অ্যান্ড্রয়েডের জন্য উপলভ্য এবং এর অনেকগুলি ব্যবহারের ক্ষেত্রে এপিআই রয়েছে:

  • পাঠ্য স্বীকৃতি
  • চিত্র লেবেলিং
  • অবজেক্ট সনাক্তকরণ এবং ট্র্যাকিং
  • মুখ সনাক্তকরণ এবং কনট্যুর ট্রেসিং
  • বারকোড স্ক্যানিং
  • ভাষা সনাক্তকরণ
  • অনুবাদ
  • স্মার্ট রিপ্লাই

পরবর্তী পদক্ষেপ