Firebase Summit is happening now. Tune in to learn how Firebase can help you accelerate app development, gain actionable insights and scale with ease. Join now
Diese Seite wurde von der Cloud Translation API übersetzt.
Switch to English

Firebase Machine Learning

Verwenden Sie maschinelles Lernen in Ihren Apps, um reale Probleme zu lösen.

Firebase Machine Learning ist ein mobiles SDK, das die maschinelle Lernkompetenz von Google in einem leistungsstarken und dennoch benutzerfreundlichen Paket auf Android- und iOS-Apps überträgt. Unabhängig davon, ob Sie neu oder erfahren im maschinellen Lernen sind, können Sie die benötigte Funktionalität in nur wenigen Codezeilen implementieren. Es sind keine umfassenden Kenntnisse über neuronale Netze oder Modelloptimierung erforderlich, um loszulegen. Wenn Sie ein erfahrener ML-Entwickler sind, bietet Firebase ML praktische APIs, mit denen Sie Ihre benutzerdefinierten TensorFlow Lite-Modelle in Ihren mobilen Apps verwenden können.

Schlüsselfähigkeiten

Hosten und Bereitstellen von benutzerdefinierten Modellen

Verwenden Sie Ihre eigenen TensorFlow Lite-Modelle für Inferenz auf dem Gerät. Stellen Sie Ihr Modell einfach in Firebase bereit, und wir kümmern uns um das Hosting und die Bereitstellung für Ihre App. Firebase stellt Ihren Benutzern dynamisch die neueste Version des Modells zur Verfügung, sodass Sie sie regelmäßig aktualisieren können, ohne eine neue Version Ihrer App an Benutzer senden zu müssen.

Wenn Sie Firebase ML mit Remote Config verwenden , können Sie verschiedene Modelle für verschiedene Benutzersegmente bereitstellen. Mit A / B-Tests können Sie Experimente durchführen, um das Modell mit der besten Leistung zu finden (siehe iOS- und Android- Handbücher).

Modelle automatisch trainieren

Mit Firebase ML und AutoML Vision Edge können Sie ganz einfach Ihre eigenen TensorFlow Lite-Bildbeschriftungsmodelle trainieren, mit denen Sie in Ihrer App Konzepte in Fotos erkennen können. Laden Sie Trainingsdaten hoch - Ihre eigenen Bilder und Beschriftungen - und AutoML Vision Edge verwendet sie, um ein benutzerdefiniertes Modell in der Cloud zu trainieren.

Produktionsbereit für gängige Anwendungsfälle

Firebase ML wird mit einer Reihe gebrauchsfertiger APIs für gängige mobile Anwendungsfälle geliefert: Erkennen von Text, Beschriften von Bildern und Identifizieren von Orientierungspunkten. Übergeben Sie einfach Daten an die Firebase ML-Bibliothek und Sie erhalten die Informationen, die Sie benötigen. Diese APIs nutzen die Leistungsfähigkeit der maschinellen Lerntechnologie von Google Cloud Platform, um Ihnen ein Höchstmaß an Genauigkeit zu bieten.

Cloud vs. On-Device

Firebase ML verfügt über APIs, die entweder in der Cloud oder auf dem Gerät funktionieren. Wenn wir eine ML-API als Cloud-API oder On-Device-API beschreiben, beschreiben wir, welcher Computer Inferenzen durchführt : Das heißt, welcher Computer verwendet das ML-Modell, um Erkenntnisse über die von Ihnen bereitgestellten Daten zu gewinnen. In Firebase ML geschieht dies entweder in Google Cloud oder auf den Mobilgeräten Ihrer Benutzer.

Die APIs für Texterkennung, Bildbeschriftung und Landmarkenerkennung führen Inferenzen in der Cloud durch. Diese Modelle verfügen über mehr Rechenleistung und Speicher als ein vergleichbares Gerätemodell und können daher Inferenzen mit größerer Genauigkeit und Präzision ausführen als ein Gerätemodell. Andererseits erfordert jede Anforderung an diese APIs einen Netzwerk-Roundtrip, wodurch sie für Echtzeitanwendungen und Anwendungen mit geringer Latenz wie die Videoverarbeitung ungeeignet sind.

Die benutzerdefinierten Modell-APIs und AutoML Vision Edge behandeln ML-Modelle, die auf dem Gerät ausgeführt werden. Die von diesen Funktionen verwendeten und produzierten Modelle sind TensorFlow Lite- Modelle, die für die Ausführung auf Mobilgeräten optimiert sind. Der größte Vorteil dieser Modelle besteht darin, dass sie keine Netzwerkverbindung benötigen und sehr schnell ausgeführt werden können - beispielsweise schnell genug, um Videobilder in Echtzeit zu verarbeiten.

Firebase ML bietet zwei wichtige Funktionen für benutzerdefinierte Modelle auf dem Gerät:

  • Benutzerdefinierte Modell - Bereitstellung: Bereitstellen von benutzerdefinierten Modelle zu den Geräten des Benutzers , indem sie auf unsere Server hochladen. Ihre Firebase-fähige App lädt das Modell bei Bedarf auf das Gerät herunter. Auf diese Weise können Sie die anfängliche Installationsgröße Ihrer App klein halten und das ML-Modell austauschen, ohne Ihre App erneut veröffentlichen zu müssen.

  • AutoML Vision Edge : Mit diesem Dienst können Sie Ihre eigenen benutzerdefinierten Bildklassifizierungsmodelle auf dem Gerät mit einer benutzerfreundlichen Weboberfläche erstellen. Anschließend können Sie die von Ihnen erstellten Modelle mit dem oben genannten Dienst nahtlos hosten.

ML Kit: Gebrauchsfertige Modelle auf dem Gerät

Wenn Sie nach vorgefertigten Modellen suchen, die auf dem Gerät ausgeführt werden, lesen Sie das ML-Kit . ML Kit ist für iOS und Android verfügbar und verfügt über APIs für viele Anwendungsfälle:

  • Texterkennung
  • Bildbeschriftung
  • Objekterkennung und -verfolgung
  • Gesichtserkennung und Konturverfolgung
  • Barcode-Scannen
  • Sprachidentifikation
  • Übersetzung
  • Intelligente Antwort

Nächste Schritte