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

Firebase Machine Learning

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

Firebase Machine Learning ist ein mobiles SDK, das Googles Expertise im Bereich maschinelles Lernen in Android- und iOS-Apps in einem leistungsstarken und dennoch benutzerfreundlichen Paket vereint. Egal, ob Sie neu oder erfahren im maschinellen Lernen sind, Sie können die benötigten Funktionen in nur wenigen Codezeilen implementieren. Für den Einstieg sind keine tiefgreifenden Kenntnisse über neuronale Netze oder Modelloptimierung erforderlich. Wenn Sie hingegen 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 die Inferenz auf dem Gerät. Stellen Sie Ihr Modell einfach in Firebase bereit, und wir kümmern uns um das Hosten und Bereitstellen für Ihre App. Firebase stellt Ihren Benutzern dynamisch die neueste Version des Modells bereit, sodass Sie diese regelmäßig aktualisieren können, ohne den Benutzern eine neue Version Ihrer App bereitstellen zu müssen.

Wenn Sie Firebase ML verwenden , um mit Remote - Config können Sie verschiedene Modelle an verschiedene Benutzersegmente dienen, und mit A / B - Tests , können Sie Experimente ausführen , um die leistungsstärksten Modell zu finden (die sehen iOS und Android Führer).

Modelle automatisch trainieren

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

Serienreife für gängige Anwendungsfälle

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

Cloud vs. auf dem Gerät

Firebase ML verfügt über APIs, die entweder in der Cloud oder auf dem Gerät funktionieren. Wenn wir eine ML - API als eine Wolke API oder On-Device - API beschreiben, wir beschreiben die Inferenzmaschine führt: das heißt, die Maschine das ML - Modell verwendet Erkenntnisse über die Daten entdecken Sie es schaffen. In Firebase ML geschieht dies entweder in Google Cloud oder auf den Mobilgeräten Ihrer Nutzer.

Die Texterkennungs-, Bildkennzeichnungs- und Landmarkenerkennungs-APIs führen Inferenz in der Cloud durch. Diese Modelle verfügen über mehr Rechenleistung und mehr Speicherplatz als ein vergleichbares Modell auf dem Gerät und können daher Rückschlüsse mit größerer Genauigkeit und Präzision ausführen als ein Modell auf dem Gerät. Andererseits erfordert jede Anfrage an diese APIs einen Netzwerk-Roundtrip, was sie für Echtzeitanwendungen und Anwendungen mit geringer Latenz wie die Videoverarbeitung ungeeignet macht.

Die benutzerdefinierten Modell-APIs und AutoML Vision Edge befassen sich mit ML-Modellen, die auf dem Gerät ausgeführt werden. Die verwendeten Modelle und die durch diese Funktionen sind TensorFlow Lite - Modelle, die optimiert sind , auf mobilen Geräten laufen. Der größte Vorteil dieser Modelle besteht darin, dass sie keine Netzwerkverbindung benötigen und sehr schnell ausgeführt werden können – schnell genug, um beispielsweise Videoframes 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 - Rand: Dieser Service hilft Ihnen , Ihre eigenen On-Device individuelle Bildklassifizierung Modelle mit einer einfach zu bedienende Web - Oberfläche erstellen. Anschließend können Sie die Modelle, die Sie mit dem oben genannten Dienst erstellen, nahtlos hosten.

ML-Kit: Gebrauchsfertige On-Device-Modelle

Wenn Sie sich für vortrainiert Modelle , die auf dem Gerät ausgeführt, überprüfen suchen 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
  • Spracherkennung
  • Übersetzung
  • Intelligente Antwort

Nächste Schritte