Google is committed to advancing racial equity for Black communities. See how.
Cette page a été traduite par l'API Cloud Translation.
Switch to English

Firebase Machine Learning

Utilisez l'apprentissage automatique dans vos applications pour résoudre des problèmes réels.

Firebase Machine Learning est un SDK mobile qui apporte l'expertise de Google en apprentissage automatique aux applications Android et iOS dans un package puissant mais facile à utiliser. Que vous soyez novice ou expérimenté en apprentissage automatique, vous pouvez implémenter les fonctionnalités dont vous avez besoin en seulement quelques lignes de code. Il n'est pas nécessaire d'avoir une connaissance approfondie des réseaux de neurones ou de l'optimisation des modèles pour commencer. D'autre part, si vous êtes un développeur ML expérimenté, Firebase ML fournit des API pratiques qui vous aident à utiliser vos modèles TensorFlow Lite personnalisés dans vos applications mobiles.

Capacités clés

Héberger et déployer des modèles personnalisés

Utilisez vos propres modèles TensorFlow Lite pour l'inférence sur l'appareil. Déployez simplement votre modèle sur Firebase, et nous nous occuperons de l'hébergement et du service à votre application. Firebase servira dynamiquement la dernière version du modèle à vos utilisateurs, vous permettant de les mettre à jour régulièrement sans avoir à pousser une nouvelle version de votre application aux utilisateurs.

Lorsque vous utilisez Firebase ML avec Remote Config , vous pouvez servir différents modèles à différents segments d'utilisateurs, et avec les tests A / B , vous pouvez exécuter des expériences pour trouver le modèle le plus performant (voir les guides iOS et Android ).

Former automatiquement les modèles

Avec Firebase ML et AutoML Vision Edge, vous pouvez facilement former vos propres modèles d'étiquetage d'image TensorFlow Lite, que vous pouvez utiliser dans votre application pour reconnaître les concepts dans les photographies. Téléchargez les données d'entraînement (vos propres images et étiquettes) et AutoML Vision Edge les utilisera pour entraîner un modèle personnalisé dans le cloud.

Prêt pour la production pour les cas d'utilisation courants

Firebase ML est livré avec un ensemble d'API prêtes à l'emploi pour les cas d'utilisation mobile courants: reconnaissance de texte, étiquetage d'images et identification de points de repère. Transmettez simplement les données à la bibliothèque Firebase ML et elle vous donnera les informations dont vous avez besoin. Ces API exploitent la puissance de la technologie d'apprentissage automatique de Google Cloud Platform pour vous offrir le plus haut niveau de précision.

Cloud vs sur appareil

Firebase ML dispose d'API qui fonctionnent soit dans le cloud, soit sur l'appareil. Lorsque nous décrivons une API ML comme étant une API cloud ou une API sur l'appareil, nous décrivons quelle machine effectue une inférence : c'est-à-dire quelle machine utilise le modèle ML pour découvrir des informations sur les données que vous lui fournissez. Dans Firebase ML, cela se produit soit sur Google Cloud, soit sur les appareils mobiles de vos utilisateurs.

Les API de reconnaissance de texte, d'étiquetage d'image et de reconnaissance de points de repère effectuent des inférences dans le cloud. Ces modèles ont plus de puissance de calcul et de mémoire disponibles qu'un modèle sur appareil comparable et, par conséquent, peuvent effectuer des inférences avec une précision et une précision supérieures à celles d'un modèle sur appareil. D'un autre côté, chaque demande adressée à ces API nécessite un aller-retour réseau, ce qui les rend inadaptées aux applications en temps réel et à faible latence telles que le traitement vidéo.

Les API de modèle personnalisé et AutoML Vision Edge traitent des modèles ML qui s'exécutent sur l'appareil. Les modèles utilisés et produits par ces fonctionnalités sont des modèles TensorFlow Lite , qui sont optimisés pour fonctionner sur des appareils mobiles. Le plus grand avantage de ces modèles est qu'ils ne nécessitent pas de connexion réseau et peuvent fonctionner très rapidement, assez rapidement, par exemple, pour traiter les images de la vidéo en temps réel.

Firebase ML offre deux fonctionnalités clés autour des modèles personnalisés sur appareil:

  • Déploiement de modèle personnalisé: Déployer des modèles personnalisés aux appareils de vos utilisateurs en les téléchargeant sur nos serveurs. Votre application compatible Firebase téléchargera le modèle sur l'appareil à la demande. Cela vous permet de réduire la taille d'installation initiale de votre application et de permuter le modèle ML sans avoir à republier votre application.

  • AutoML Vision Edge : ce service vous aide à créer vos propres modèles de classification d'images personnalisés sur l'appareil avec une interface Web facile à utiliser. Ensuite, vous pouvez héberger de manière transparente les modèles que vous créez avec le service mentionné ci-dessus.

ML Kit: modèles sur appareil prêts à l'emploi

Si vous recherchez des modèles pré-entraînés qui s'exécutent sur l'appareil, consultez ML Kit . ML Kit est disponible pour iOS et Android et possède des API pour de nombreux cas d'utilisation:

  • Reconnaissance de texte
  • Étiquetage d'image
  • Détection et suivi d'objets
  • Détection de visage et traçage des contours
  • Balayage de codes à barres
  • Identification de la langue
  • Traduction
  • Réponse intelligente

Prochaines étapes