Join us in person and online for Firebase Summit on October 18, 2022. Learn how Firebase can help you accelerate app development, release your app with confidence, and scale with ease. Register now
Mit Sammlungen den Überblick behalten Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.

Firebase-Maschinelles Lernen

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

Firebase Machine Learning ist ein mobiles SDK, das die Google-Expertise für maschinelles Lernen in einem leistungsstarken und dennoch benutzerfreundlichen Paket für Android- und Apple-Apps bereitstellt. Egal, ob Sie neu oder erfahren im maschinellen Lernen sind, Sie können die benötigte Funktionalität in nur wenigen Codezeilen implementieren. Es sind keine tiefen Kenntnisse über neuronale Netze oder Modelloptimierung erforderlich, um loszulegen. Wenn Sie andererseits 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

Benutzerdefinierte Modelle hosten und bereitstellen

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 Hosten und Bereitstellen für Ihre App. Firebase stellt Ihren Benutzern dynamisch die neueste Version des Modells bereit, sodass Sie sie regelmäßig aktualisieren können, ohne den Benutzern eine neue Version Ihrer App bereitstellen zu müssen.

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

Modelle automatisch trainieren

Mit Firebase ML und AutoML Vision Edge können Sie ganz einfach Ihre eigenen TensorFlow Lite-Bildkennzeichnungsmodelle trainieren, die Sie in Ihrer App verwenden können, um Konzepte auf 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.

Produktionsreif 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 Informationen, die Sie benötigen. Diese APIs nutzen die Leistung der maschinellen Lerntechnologie von Google Cloud, 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, welche Maschine Inferenzen durchführt , d. h. welche Maschine das ML-Modell verwendet, um Erkenntnisse über die von Ihnen bereitgestellten Daten zu gewinnen. In Firebase ML geschieht dies entweder in Google Cloud oder auf den Mobilgeräten Ihrer Nutzer.

Die Texterkennungs-, Bildkennzeichnungs- und Orientierungspunkterkennungs-APIs führen Rückschlüsse in der Cloud durch. Diese Modelle verfügen über mehr Rechenleistung und Speicher als ein vergleichbares On-Device-Modell und können daher Rückschlüsse mit größerer Genauigkeit und Präzision durchführen als ein On-Device-Modell. Andererseits erfordert jede Anfrage an diese APIs einen Netzwerk-Roundtrip, was sie für Echtzeit- und Low-Latency-Anwendungen 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 von diesen Funktionen verwendeten und erstellten 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 – schnell genug, um beispielsweise Videoframes in Echtzeit zu verarbeiten.

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

  • Bereitstellung benutzerdefinierter Modelle: Stellen Sie benutzerdefinierte Modelle auf den Geräten Ihrer Benutzer bereit, indem Sie sie auf unsere Server hochladen. Ihre Firebase-fähige App lädt das Modell bei Bedarf auf das Gerät herunter. Dadurch können Sie die anfängliche Installationsgröße Ihrer App klein halten und das ML-Modell austauschen, ohne Ihre App erneut veröffentlichen zu müssen.

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

ML-Kit: Gebrauchsfertige On-Device-Modelle

Wenn Sie nach vortrainierten Modellen suchen, die auf dem Gerät ausgeführt werden, sehen Sie sich ML Kit an. 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