یادگیری ماشین Firebase

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

Firebase Machine Learning یک SDK تلفن همراه است که تخصص یادگیری ماشینی Google را در یک بسته قدرتمند و در عین حال با کاربری آسان به برنامه‌های Android و Apple می‌آورد. چه در زمینه یادگیری ماشینی تازه کار یا با تجربه باشید، می توانید عملکرد مورد نیاز خود را تنها در چند خط کد پیاده سازی کنید. برای شروع نیازی به دانش عمیق شبکه های عصبی یا بهینه سازی مدل نیست. از سوی دیگر، اگر یک توسعه دهنده باتجربه ML هستید، Firebase ML API های مناسبی را ارائه می دهد که به شما کمک می کند از مدل های سفارشی TensorFlow Lite خود در برنامه های تلفن همراه خود استفاده کنید.

قابلیت های کلیدی

میزبانی و استقرار مدل های سفارشی

از مدل های TensorFlow Lite خود برای استنتاج روی دستگاه استفاده کنید. فقط مدل خود را در Firebase مستقر کنید، و ما از میزبانی و ارائه آن به برنامه شما مراقبت می کنیم. Firebase به صورت پویا آخرین نسخه مدل را در اختیار کاربران شما قرار می دهد و به شما این امکان را می دهد که به طور منظم آنها را به روز کنید بدون اینکه مجبور باشید نسخه جدیدی از برنامه خود را برای کاربران ارسال کنید.

وقتی از Firebase ML با Remote Config استفاده می‌کنید، می‌توانید مدل‌های مختلف را به بخش‌های مختلف کاربر ارائه دهید، و با A/B Testing ، می‌توانید آزمایش‌هایی را برای یافتن بهترین مدل اجرا کنید (راهنماهای Apple و Android را ببینید).

مدل های آموزش خودکار

با Firebase ML و AutoML Vision Edge، می‌توانید به راحتی مدل‌های برچسب‌گذاری تصویر TensorFlow Lite خود را آموزش دهید، که می‌توانید از آن‌ها در برنامه خود برای تشخیص مفاهیم در عکس‌ها استفاده کنید. داده‌های آموزشی - تصاویر و برچسب‌های خودتان - را بارگذاری کنید و AutoML Vision Edge از آنها برای آموزش یک مدل سفارشی در فضای ابری استفاده می‌کند.

آماده تولید برای موارد استفاده رایج

Firebase ML با مجموعه‌ای از APIهای آماده برای موارد استفاده رایج از تلفن همراه ارائه می‌شود: تشخیص متن، برچسب‌گذاری تصاویر، و شناسایی نشانه‌ها. به سادگی داده ها را به کتابخانه Firebase ML منتقل کنید و اطلاعات مورد نیاز را در اختیار شما قرار دهد. این APIها از قدرت فناوری یادگیری ماشینی Google Cloud بهره می برند تا بالاترین سطح دقت را به شما ارائه دهند.

ابر در مقابل روی دستگاه

Firebase ML دارای APIهایی است که در فضای ابری یا روی دستگاه کار می کنند. وقتی یک API ML را به عنوان یک API ابری یا API روی دستگاه توصیف می‌کنیم، توضیح می‌دهیم که کدام ماشین استنتاج را انجام می‌دهد : یعنی کدام ماشین از مدل ML برای کشف بینش در مورد داده‌هایی که ارائه می‌کنید استفاده می‌کند. در Firebase ML، این اتفاق در Google Cloud یا در دستگاه های تلفن همراه کاربران شما رخ می دهد.

APIهای تشخیص متن، برچسب‌گذاری تصویر و تشخیص نقطه عطف استنتاج را در فضای ابری انجام می‌دهند. این مدل‌ها قدرت محاسباتی و حافظه بیشتری نسبت به مدل‌های قابل مقایسه روی دستگاه دارند و در نتیجه می‌توانند استنتاج را با دقت و دقت بیشتری نسبت به مدل روی دستگاه انجام دهند. از طرف دیگر، هر درخواستی برای این APIها نیاز به یک شبکه رفت و برگشت دارد که آنها را برای برنامه های بلادرنگ و با تاخیر کم مانند پردازش ویدئو نامناسب می کند.

مدل‌های سفارشی API و AutoML Vision Edge با مدل‌های ML که روی دستگاه اجرا می‌شوند سروکار دارند. مدل های مورد استفاده و تولید شده توسط این ویژگی ها، مدل های TensorFlow Lite هستند که برای اجرا در دستگاه های تلفن همراه بهینه شده اند. بزرگ‌ترین مزیت این مدل‌ها این است که به اتصال شبکه نیاز ندارند و می‌توانند خیلی سریع اجرا شوند—به‌اندازه کافی سریع، برای مثال، برای پردازش فریم‌های ویدیو در زمان واقعی.

Firebase ML دو قابلیت کلیدی را در مورد مدل های سفارشی روی دستگاه ارائه می دهد:

  • استقرار مدل سفارشی : مدل های سفارشی را با آپلود آنها در سرورهای ما در دستگاه های کاربران خود مستقر کنید. برنامه فعال Firebase شما مدل را در صورت درخواست در دستگاه دانلود می کند. این به شما امکان می دهد اندازه نصب اولیه برنامه خود را کوچک نگه دارید و می توانید مدل ML را بدون نیاز به انتشار مجدد برنامه خود تعویض کنید.

  • AutoML Vision Edge : این سرویس به شما کمک می‌کند تا مدل‌های طبقه‌بندی تصویر سفارشی خود را در دستگاه خود با یک رابط وب آسان برای استفاده ایجاد کنید. سپس، می‌توانید مدل‌هایی را که با سرویس ذکر شده در بالا ایجاد می‌کنید، یکپارچه میزبانی کنید.

کیت ML: مدل‌های آماده برای استفاده روی دستگاه

اگر به دنبال مدل های از پیش آموزش دیده ای هستید که روی دستگاه اجرا می شوند، ML Kit را بررسی کنید. ML Kit برای iOS و Android در دسترس است و دارای API برای بسیاری از موارد است:

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

مراحل بعدی

،

یادگیری ماشین Firebase

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

Firebase Machine Learning یک SDK تلفن همراه است که تخصص یادگیری ماشینی Google را در یک بسته قدرتمند و در عین حال با کاربری آسان به برنامه‌های Android و Apple می‌آورد. چه در زمینه یادگیری ماشینی تازه کار یا با تجربه باشید، می توانید عملکرد مورد نیاز خود را تنها در چند خط کد پیاده سازی کنید. برای شروع نیازی به دانش عمیق شبکه های عصبی یا بهینه سازی مدل نیست. از سوی دیگر، اگر یک توسعه دهنده باتجربه ML هستید، Firebase ML API های مناسبی را ارائه می دهد که به شما کمک می کند از مدل های سفارشی TensorFlow Lite خود در برنامه های تلفن همراه خود استفاده کنید.

قابلیت های کلیدی

میزبانی و استقرار مدل های سفارشی

از مدل های TensorFlow Lite خود برای استنتاج روی دستگاه استفاده کنید. فقط مدل خود را در Firebase مستقر کنید، و ما از میزبانی و ارائه آن به برنامه شما مراقبت می کنیم. Firebase به صورت پویا آخرین نسخه مدل را در اختیار کاربران شما قرار می دهد و به شما این امکان را می دهد که به طور منظم آنها را به روز کنید بدون اینکه مجبور باشید نسخه جدیدی از برنامه خود را برای کاربران ارسال کنید.

وقتی از Firebase ML با Remote Config استفاده می‌کنید، می‌توانید مدل‌های مختلف را به بخش‌های مختلف کاربر ارائه دهید، و با A/B Testing ، می‌توانید آزمایش‌هایی را برای یافتن بهترین مدل اجرا کنید (راهنماهای Apple و Android را ببینید).

مدل های آموزش خودکار

با Firebase ML و AutoML Vision Edge، می‌توانید به راحتی مدل‌های برچسب‌گذاری تصویر TensorFlow Lite خود را آموزش دهید، که می‌توانید از آن‌ها در برنامه خود برای تشخیص مفاهیم در عکس‌ها استفاده کنید. داده‌های آموزشی - تصاویر و برچسب‌های خودتان - را بارگذاری کنید و AutoML Vision Edge از آنها برای آموزش یک مدل سفارشی در فضای ابری استفاده می‌کند.

آماده تولید برای موارد استفاده رایج

Firebase ML با مجموعه‌ای از APIهای آماده برای موارد استفاده رایج از تلفن همراه ارائه می‌شود: تشخیص متن، برچسب‌گذاری تصاویر، و شناسایی نشانه‌ها. به سادگی داده ها را به کتابخانه Firebase ML منتقل کنید و اطلاعات مورد نیاز را در اختیار شما قرار دهد. این APIها از قدرت فناوری یادگیری ماشینی Google Cloud بهره می برند تا بالاترین سطح دقت را به شما ارائه دهند.

ابر در مقابل روی دستگاه

Firebase ML دارای APIهایی است که در فضای ابری یا روی دستگاه کار می کنند. وقتی یک API ML را به عنوان یک API ابری یا API روی دستگاه توصیف می‌کنیم، توضیح می‌دهیم که کدام ماشین استنتاج را انجام می‌دهد : یعنی کدام ماشین از مدل ML برای کشف بینش در مورد داده‌هایی که ارائه می‌کنید استفاده می‌کند. در Firebase ML، این اتفاق در Google Cloud یا در دستگاه های تلفن همراه کاربران شما رخ می دهد.

APIهای تشخیص متن، برچسب‌گذاری تصویر و تشخیص نقطه عطف استنتاج را در فضای ابری انجام می‌دهند. این مدل‌ها قدرت محاسباتی و حافظه بیشتری نسبت به مدل‌های قابل مقایسه روی دستگاه دارند و در نتیجه می‌توانند استنتاج را با دقت و دقت بیشتری نسبت به مدل روی دستگاه انجام دهند. از طرف دیگر، هر درخواستی برای این APIها نیاز به یک شبکه رفت و برگشت دارد که آنها را برای برنامه های بلادرنگ و با تاخیر کم مانند پردازش ویدئو نامناسب می کند.

مدل‌های سفارشی API و AutoML Vision Edge با مدل‌های ML که روی دستگاه اجرا می‌شوند سروکار دارند. مدل های مورد استفاده و تولید شده توسط این ویژگی ها، مدل های TensorFlow Lite هستند که برای اجرا در دستگاه های تلفن همراه بهینه شده اند. بزرگ‌ترین مزیت این مدل‌ها این است که به اتصال شبکه نیاز ندارند و می‌توانند خیلی سریع اجرا شوند—به‌اندازه کافی سریع، برای مثال، برای پردازش فریم‌های ویدیو در زمان واقعی.

Firebase ML دو قابلیت کلیدی را در مورد مدل های سفارشی روی دستگاه ارائه می دهد:

  • استقرار مدل سفارشی : مدل های سفارشی را با آپلود آنها در سرورهای ما در دستگاه های کاربران خود مستقر کنید. برنامه فعال Firebase شما مدل را در صورت درخواست در دستگاه دانلود می کند. این به شما امکان می دهد اندازه نصب اولیه برنامه خود را کوچک نگه دارید و می توانید مدل ML را بدون نیاز به انتشار مجدد برنامه خود تعویض کنید.

  • AutoML Vision Edge : این سرویس به شما کمک می‌کند تا مدل‌های طبقه‌بندی تصویر سفارشی خود را در دستگاه خود با یک رابط وب آسان برای استفاده ایجاد کنید. سپس، می‌توانید مدل‌هایی را که با سرویس ذکر شده در بالا ایجاد می‌کنید، یکپارچه میزبانی کنید.

کیت ML: مدل‌های آماده برای استفاده روی دستگاه

اگر به دنبال مدل های از پیش آموزش دیده ای هستید که روی دستگاه اجرا می شوند، ML Kit را بررسی کنید. ML Kit برای iOS و Android در دسترس است و دارای API برای بسیاری از موارد است:

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

مراحل بعدی