Google is committed to advancing racial equity for Black communities. See how.
इस पेज का अनुवाद Cloud Translation API से किया गया है.
Switch to English

Firebase Machine Learning

वास्तविक दुनिया की समस्याओं को हल करने के लिए अपने एप्लिकेशन में मशीन सीखने का उपयोग करें।

फायरबेस मशीन लर्निंग एक मोबाइल एसडीके है जो Google के मशीन लर्निंग विशेषज्ञता को शक्तिशाली और आसान उपयोग पैकेज में एंड्रॉइड और आईओएस ऐप में लाता है। चाहे आप मशीन सीखने में नए हों या अनुभवी, आप कोड की कुछ लाइनों में अपनी कार्यक्षमता को लागू कर सकते हैं। आरंभ करने के लिए तंत्रिका नेटवर्क या मॉडल अनुकूलन का गहन ज्ञान होने की कोई आवश्यकता नहीं है। दूसरी ओर, यदि आप एक अनुभवी एमएल डेवलपर हैं, तो फायरबेस एमएल आपके मोबाइल ऐप में अपने कस्टम टेंसोरफ्लो लाइट मॉडल का उपयोग करने में मदद करने वाले सुविधाजनक एपीआई प्रदान करता है।

मुख्य क्षमताएं

मेजबान और कस्टम मॉडल की तैनाती

डिवाइस पर इंजेक्शन के लिए अपने खुद के TensorFlow Lite मॉडल का उपयोग करें। बस अपने मॉडल को फायरबेस में तैनात करें, और हम इसे आपके ऐप पर होस्ट करने और सेवा करने का ध्यान रखेंगे। फायरबेस अपने उपयोगकर्ताओं के लिए मॉडल के नवीनतम संस्करण की गतिशील रूप से सेवा करेगा, जिससे आप उपयोगकर्ताओं को अपने ऐप के नए संस्करण को धक्का दिए बिना नियमित रूप से अपडेट कर सकेंगे।

जब आप रिमोट कॉन्फिग के साथ फायरबेस एमएल का उपयोग करते हैं, तो आप अलग-अलग उपयोगकर्ता सेगमेंट में विभिन्न मॉडलों की सेवा कर सकते हैं, और ए / बी परीक्षण के साथ , आप सबसे अच्छा प्रदर्शन करने वाले मॉडल को खोजने के लिए प्रयोग कर सकते हैं ( आईओएस और एंड्रॉइड गाइड देखें)।

स्वचालित रूप से मॉडल को प्रशिक्षित करें

फायरबेस एमएल और ऑटोएमएल विजन एज के साथ, आप आसानी से अपनी खुद की टेन्सरफ्लो लाइट इमेज लेबलिंग मॉडल को प्रशिक्षित कर सकते हैं, जिसका उपयोग आप तस्वीरों में अवधारणाओं को पहचानने के लिए अपने ऐप में कर सकते हैं। प्रशिक्षण डेटा अपलोड करें - आपकी अपनी छवियां और लेबल - और ऑटोएमएल विज़न एज क्लाउड में एक कस्टम मॉडल को प्रशिक्षित करने के लिए उनका उपयोग करेगा।

उत्पादन-आम उपयोग के मामलों के लिए तैयार

फायरबेस एमएल आम मोबाइल उपयोग के मामलों के लिए रेडी-टू-यूज एपीआई का एक सेट के साथ आता है: पाठ को पहचानना, छवियों को लेबल करना और स्थलों की पहचान करना। बस फायरबेस एमएल लाइब्रेरी में डेटा पास करें और यह आपको आवश्यक जानकारी देता है। ये API आपको उच्चतम स्तर की सटीकता देने के लिए Google क्लाउड प्लेटफ़ॉर्म की मशीन लर्निंग तकनीक की शक्ति का लाभ उठाते हैं।

क्लाउड बनाम डिवाइस

फायरबेस एमएल में एपीआई होते हैं जो क्लाउड या डिवाइस पर काम करते हैं। जब हम किसी ML API को क्लाउड API या ऑन-डिवाइस API के रूप में वर्णित करते हैं, तो हम यह वर्णन कर रहे हैं कि कौन सी मशीन किस प्रकार का आविष्कार करती है : अर्थात् , कौन सी मशीन आपके द्वारा प्रदान किए गए डेटा के बारे में जानकारी प्राप्त करने के लिए ML मॉडल का उपयोग करती है। फायरबेस एमएल में, यह Google क्लाउड पर या आपके उपयोगकर्ताओं के मोबाइल उपकरणों पर होता है।

क्लाउड में टेक्स्ट मान्यता, छवि लेबलिंग, और ऐतिहासिक पहचान API प्रदर्शन करते हैं। इन मॉडलों में तुलनात्मक ऑन-डिवाइस मॉडल की तुलना में उनके पास अधिक कम्प्यूटेशनल शक्ति और मेमोरी उपलब्ध है, और परिणामस्वरूप, ऑन-डिवाइस मॉडल की तुलना में अधिक सटीकता और परिशुद्धता के साथ अनुमान लगा सकते हैं। दूसरी ओर, इन एपीआई के प्रत्येक अनुरोध के लिए एक नेटवर्क राउंड-ट्रिप की आवश्यकता होती है, जो उन्हें वास्तविक समय और कम विलंबता अनुप्रयोगों जैसे वीडियो प्रसंस्करण के लिए अनुपयुक्त बनाता है।

कस्टम मॉडल API और AutoML विज़न एज डिवाइस पर चलने वाले ML मॉडल के साथ सौदा करते हैं। इन सुविधाओं द्वारा उपयोग और निर्मित मॉडल TensorFlow Lite मॉडल हैं, जिन्हें मोबाइल उपकरणों पर चलाने के लिए अनुकूलित किया गया है। इन मॉडलों के लिए सबसे बड़ा लाभ यह है कि उन्हें नेटवर्क कनेक्शन की आवश्यकता नहीं होती है और यह बहुत जल्दी-जल्दी चल सकता है, उदाहरण के लिए, वास्तविक समय में वीडियो के फ़्रेम को संसाधित करने के लिए।

Firebase ML दो महत्वपूर्ण क्षमताओं को उपकरण के आसपास कस्टम मॉडल प्रदान करता है:

  • कस्टम मॉडल परिनियोजन : अपने उपयोगकर्ताओं के डिवाइसों पर कस्टम मॉडल तैनात करके उन्हें हमारे सर्वर पर अपलोड करें। आपका Firebase- सक्षम एप्लिकेशन मांग पर डिवाइस को मॉडल डाउनलोड करेगा। इससे आप अपने ऐप के शुरुआती इंस्टॉल साइज़ को छोटा रख सकते हैं, और आप अपने ऐप को दोबारा अप्रूव किए बिना एमएल मॉडल को स्वैप कर सकते हैं।

  • ऑटोएमएल विजन एज : यह सेवा आपको एक आसान-से-उपयोग वेब इंटरफेस के साथ अपने स्वयं के डिवाइस-कस्टम छवि वर्गीकरण मॉडल बनाने में मदद करती है। फिर, आप मूल रूप से उन मॉडलों की मेजबानी कर सकते हैं जिन्हें आप ऊपर उल्लिखित सेवा के साथ बनाते हैं।

एमएल किट: रेडी-टू-यूज़ ऑन-डिवाइस मॉडल

यदि आप डिवाइस पर चलने वाले पूर्व-प्रशिक्षित मॉडल की तलाश कर रहे हैं, तो एमएल किट देखें । ML किट iOS और Android के लिए उपलब्ध है, और इसमें कई उपयोग मामलों के लिए API हैं:

  • पाठ मान्यता
  • छवि लेबलिंग
  • वस्तु का पता लगाने और ट्रैकिंग
  • चेहरा पहचानना और समोच्च अनुरेखण
  • बारकोड स्कैनिंग
  • भाषा की पहचान
  • अनुवाद
  • स्मार्ट जवाब

अगला कदम