آموزش ماشین Firebase

برای حل مشکلات دنیای واقعی از یادگیری ماشینی در برنامه های خود استفاده کنید.

Firebase Machine Learning یک SDK موبایل است که مهارت یادگیری ماشین Google را در یک بسته قدرتمند و در عین حال کاربرد آسان ، به برنامه های Android و iOS می آورد. چه در یادگیری ماشین تازه کار باشید و چه در تجربه ، می توانید عملکرد مورد نیاز خود را فقط در چند خط کد پیاده سازی کنید. برای شروع نیازی به دانش عمیق در مورد شبکه های عصبی یا بهینه سازی مدل نیست. از طرف دیگر ، اگر شما یک توسعه دهنده باتجربه ML هستید ، Firebase ML API های مناسبی را ارائه می دهد که به شما کمک می کند تا از مدلهای سفارشی TensorFlow Lite خود در برنامه های تلفن همراه خود استفاده کنید.

قابلیت های کلیدی

میزبان و استقرار مدل های سفارشی

برای استنباط روی دستگاه از مدلهای TensorFlow Lite خود استفاده کنید. فقط مدل خود را در Firebase مستقر کنید و ما از میزبانی و ارائه آن به برنامه شما مراقبت خواهیم کرد. Firebase به صورت پویا آخرین نسخه مدل را به کاربران شما ارائه می دهد ، به شما امکان می دهد آنها را مرتباً به روز کنید بدون اینکه نسخه جدیدی از برنامه خود را به کاربران فشار دهید.

هنگام استفاده از فایربیس ML با از راه دور پیکربندی ، شما می توانید مدل های مختلف برای بخش های مختلف کاربران خدمت می کنند، و با A B تست / ، شما می توانید آزمایش انجام پیدا کردن بهترین مدل انجام (را ببینید در iOS و آندروید راهنماهای).

به طور خودکار مدل ها را آموزش دهید

با استفاده از Firebase ML و AutoML Vision Edge می توانید به راحتی مدل های برچسب گذاری تصویر TensorFlow Lite خود را آموزش دهید ، که می توانید در برنامه خود برای شناسایی مفاهیم در عکس ها استفاده کنید. داده های آموزشی - تصاویر و برچسب های خود را - بارگذاری کنید و AutoML Vision Edge از آنها برای آموزش یک مدل سفارشی در cloud استفاده می کند.

آماده تولید برای موارد استفاده مشترک

Firebase ML با مجموعه ای از API های آماده برای موارد استفاده رایج از تلفن همراه ارائه می شود: شناسایی متن ، برچسب زدن تصاویر و شناسایی نشانه ها. به سادگی داده ها را به کتابخانه Firebase ML منتقل کنید و اطلاعات لازم را به شما می دهد. این API ها از قدرت فناوری یادگیری ماشین Google Cloud استفاده می کنند تا بالاترین دقت را به شما بدهند.

ابر در مقابل دستگاه

Firebase ML دارای API هایی است که در ابر یا در دستگاه کار می کنند. هنگامی که ما یک API ML به عنوان یک API ابر و یا بر روی دستگاه API توصیف، ما در حال توصیف که دستگاه انجام استنتاج: این است که، که دستگاه با استفاده از مدل ML به کشف بینش در مورد داده های شما آن را فراهم می کند. در Firebase ML ، این اتفاق در Google Cloud یا در دستگاه های تلفن همراه کاربران رخ می دهد.

شناسه متن ، برچسب گذاری تصویر و شناسه شاخص ، استنباط در ابر را انجام می دهند. قدرت و حافظه این مدل ها بیشتر از یک مدل قابل مقایسه با دستگاه در اختیارشان است و در نتیجه می توانند نتیجه گیری را با دقت و دقت بیشتری نسبت به مدل روی دستگاه انجام دهند. از طرف دیگر ، هر درخواست از این API ها به یک شبکه رفت و برگشت نیاز دارد ، که باعث می شود برای برنامه های زمان واقعی و تأخیر کم مانند پردازش ویدئو مناسب نباشند.

مدلهای سفارشی API و AutoML Vision Edge با مدلهای ML که روی دستگاه اجرا می شوند سروکار دارند. مدل استفاده می شود و تولید شده توسط این ویژگی ها TensorFlow بازگشت به محتوا | مدل، که بهینه سازی شده برای اجرا بر روی دستگاه های تلفن همراه. بزرگترین مزیت این مدلها این است که آنها به اتصال شبکه احتیاج ندارند و می توانند خیلی سریع اجرا شوند - به عنوان مثال با سرعت کافی ، تا فریم های ویدئو را در زمان واقعی پردازش کنند.

Firebase ML دو قابلیت اصلی را در مدلهای سفارشی روی دستگاه فراهم می کند:

  • استقرار مدل سفارشی: مدل های سفارشی اعزام به دستگاه های کاربران خود را آپلود آنها را به سرورهای ما. برنامه دارای Firebase شما مدل موردنظر را در دستگاه بارگیری می کند. با این کار می توانید اندازه نصب اولیه برنامه خود را کوچک نگه دارید و می توانید بدون نیاز به بازنشر مجدد برنامه ، مدل ML را عوض کنید.

  • AutoML چشم انداز لبه: این سرویس به شما کمک میکند خود را ایجاد مدل های طبقه بندی تصویر بر روی دستگاه های سفارشی خود را با یک رابط کاربری وب آسان برای استفاده. سپس ، می توانید با سرویسی که در بالا ذکر شد ، بصورت یکپارچه میزبان مدلهای ایجاد شده خود باشید.

ML Kit: مدل های آماده برای استفاده در دستگاه

اگر شما به دنبال برای مدل های از پیش آموزش دیده است که بر روی دستگاه اجرا، لطفا ML کیت . ML Kit برای iOS و Android در دسترس است و برای بسیاری از موارد استفاده دارای API است:

  • تشخیص متن
  • برچسب زدن تصویر
  • ردیابی و ردیابی اشیا
  • تشخیص چهره و ردیابی کانتور
  • اسکن بارکد
  • شناسایی زبان
  • ترجمه
  • پاسخ هوشمند

مراحل بعدی