Se usó la API de Cloud Translation para traducir esta página.
Switch to English

Firebase Machine Learning

Utilice el aprendizaje automático en sus aplicaciones para resolver problemas del mundo real.

Firebase Machine Learning es un SDK móvil que brinda la experiencia de aprendizaje automático de Google a las aplicaciones de Android e iOS en un paquete potente pero fácil de usar. Si es nuevo o tiene experiencia en el aprendizaje automático, puede implementar la funcionalidad que necesita en solo unas pocas líneas de código. No es necesario tener un conocimiento profundo de las redes neuronales o la optimización del modelo para comenzar. Por otro lado, si usted es un desarrollador experimentado de ML, Firebase ML proporciona API convenientes que lo ayudan a usar sus modelos personalizados TensorFlow Lite en sus aplicaciones móviles.

Capacidades clave

Hospedar e implementar modelos personalizados

Use sus propios modelos TensorFlow Lite para inferencia en el dispositivo. Simplemente implemente su modelo en Firebase y nos encargaremos de alojarlo y servirlo en su aplicación. Firebase servirá dinámicamente la última versión del modelo a sus usuarios, permitiéndole actualizarlos regularmente sin tener que enviar una nueva versión de su aplicación a los usuarios.

Cuando usa Firebase ML con Remote Config , puede servir diferentes modelos a diferentes segmentos de usuarios, y con A / B Testing , puede ejecutar experimentos para encontrar el modelo con mejor rendimiento (consulte las guías de iOS y Android ).

Entrena modelos automáticamente

Con Firebase ML y AutoML Vision Edge, puede entrenar fácilmente sus propios modelos de etiquetado de imágenes TensorFlow Lite, que puede usar en su aplicación para reconocer conceptos en fotografías. Cargue datos de entrenamiento (sus propias imágenes y etiquetas) y AutoML Vision Edge los usará para entrenar un modelo personalizado en la nube.

Listo para producción para casos de uso común

Firebase ML viene con un conjunto de API listas para usar para casos comunes de uso móvil: reconocimiento de texto, etiquetado de imágenes e identificación de puntos de referencia. Simplemente pase los datos a la biblioteca de Firebase ML y le dará la información que necesita. Estas API aprovechan el poder de la tecnología de aprendizaje automático de Google Cloud Platform para brindarle el más alto nivel de precisión.

Cloud vs. en dispositivo

Firebase ML tiene API que funcionan en la nube o en el dispositivo. Cuando describimos una API ML como una API en la nube o API en el dispositivo, estamos describiendo qué máquina realiza inferencia : es decir, qué máquina usa el modelo ML para descubrir información sobre los datos que usted proporciona. En Firebase ML, esto sucede en Google Cloud o en los dispositivos móviles de sus usuarios.

Las API de reconocimiento de texto, etiquetado de imágenes y reconocimiento de puntos de referencia realizan inferencias en la nube. Estos modelos tienen más potencia computacional y memoria disponible que un modelo comparable en el dispositivo y, como resultado, pueden realizar inferencias con mayor precisión y precisión que un modelo en el dispositivo. Por otro lado, cada solicitud a estas API requiere un viaje de ida y vuelta en la red, lo que las hace inadecuadas para aplicaciones en tiempo real y de baja latencia, como el procesamiento de video.

Las API de modelo personalizado y AutoML Vision Edge tratan con modelos ML que se ejecutan en el dispositivo. Los modelos utilizados y producidos por estas características son modelos TensorFlow Lite , que están optimizados para ejecutarse en dispositivos móviles. La mayor ventaja de estos modelos es que no requieren una conexión de red y pueden ejecutarse muy rápidamente, lo suficientemente rápido, por ejemplo, para procesar cuadros de video en tiempo real.

Firebase ML proporciona dos capacidades clave en torno a los modelos personalizados en el dispositivo:

  • Implementación de modelos personalizados: modelos personalizados a Deploy dispositivos de los usuarios subiéndolos a nuestros servidores. Su aplicación habilitada para Firebase descargará el modelo al dispositivo a pedido. Esto le permite mantener pequeño el tamaño de instalación inicial de su aplicación, y puede intercambiar el modelo ML sin tener que volver a publicar su aplicación.

  • AutoML Vision Edge : este servicio lo ayuda a crear sus propios modelos de clasificación de imágenes personalizados en el dispositivo con una interfaz web fácil de usar. Luego, puede alojar sin problemas los modelos que cree con el servicio mencionado anteriormente.

Kit ML: modelos listos para usar en el dispositivo

Si está buscando modelos previamente entrenados que se ejecutan en el dispositivo, consulte ML Kit . ML Kit está disponible para iOS y Android, y tiene API para muchos casos de uso:

  • Reconocimiento de texto
  • Etiquetado de imagen
  • Detección y seguimiento de objetos.
  • Detección de rostros y trazado de contornos
  • Escaneo de código de barras
  • Identificación del idioma
  • Traducción
  • Respuesta inteligente

Próximos pasos