Join us for Firebase Summit on November 10, 2021. Tune in to learn how Firebase can help you accelerate app development, release with confidence, and scale with ease. Register

फायरबेस मशीन लर्निंग

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

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

प्रमुख क्षमताएं

कस्टम मॉडल होस्ट और परिनियोजित करें

ऑन-डिवाइस अनुमान के लिए अपने स्वयं के TensorFlow Lite मॉडल का उपयोग करें। बस अपने मॉडल को Firebase पर परिनियोजित करें, और हम इसे आपके ऐप पर होस्ट करने और सेवा देने का ध्यान रखेंगे। Firebase आपके उपयोगकर्ताओं को मॉडल के नवीनतम संस्करण को गतिशील रूप से पेश करेगा, जिससे आप उपयोगकर्ताओं को अपने ऐप के नए संस्करण को पुश किए बिना उन्हें नियमित रूप से अपडेट कर सकेंगे।

आप के साथ Firebase एमएल का उपयोग करते हैं रिमोट कॉन्फ़िग , आप विभिन्न उपयोगकर्ता क्षेत्रों के लिए विभिन्न मॉडलों की सेवा कर सकते हैं और साथ A / B परीक्षण , आप सबसे अच्छा प्रदर्शन मॉडल खोजने के लिए प्रयोग चला सकते हैं (देखें आईओएस और एंड्रॉयड गाइड)।

मॉडल को स्वचालित रूप से प्रशिक्षित करें

Firebase ML और AutoML Vision Edge के साथ, आप आसानी से अपने स्वयं के TensorFlow Lite छवि लेबलिंग मॉडल को प्रशिक्षित कर सकते हैं, जिसका उपयोग आप अपने ऐप में तस्वीरों में अवधारणाओं को पहचानने के लिए कर सकते हैं। प्रशिक्षण डेटा अपलोड करें—आपकी अपनी छवियां और लेबल—और AutoML Vision Edge उनका उपयोग क्लाउड में एक कस्टम मॉडल को प्रशिक्षित करने के लिए करेगा।

आम उपयोग के मामलों के लिए उत्पादन के लिए तैयार

फायरबेस एमएल सामान्य मोबाइल उपयोग के मामलों के लिए उपयोग में आसान एपीआई के एक सेट के साथ आता है: टेक्स्ट को पहचानना, छवियों को लेबल करना और स्थलों की पहचान करना। बस डेटा को फायरबेस एमएल लाइब्रेरी में पास करें और यह आपको आवश्यक जानकारी देता है। ये एपीआई आपको उच्चतम स्तर की सटीकता प्रदान करने के लिए Google क्लाउड की मशीन लर्निंग तकनीक की शक्ति का लाभ उठाते हैं।

क्लाउड बनाम ऑन-डिवाइस

फायरबेस एमएल में एपीआई हैं जो या तो क्लाउड में या डिवाइस पर काम करते हैं। है, इसमें वे मशीन डेटा आप इसे उपलब्ध कराने के बारे में जानकारी की खोज करने एमएल मॉडल का उपयोग करता: जब हम एक बादल एपीआई या डिवाइस पर मौजूद एपीआई होने के रूप में एक एमएल एपीआई का वर्णन है, हम जो मशीन प्रदर्शन अनुमान का वर्णन कर रहे हैं। Firebase ML में, यह Google क्लाउड पर या आपके उपयोगकर्ताओं के मोबाइल उपकरणों पर होता है।

टेक्स्ट रिकग्निशन, इमेज लेबलिंग और लैंडमार्क रिकग्निशन एपीआई क्लाउड में इंट्रेंस करते हैं। इन मॉडलों में तुलनात्मक ऑन-डिवाइस मॉडल की तुलना में उनके लिए अधिक कम्प्यूटेशनल शक्ति और मेमोरी उपलब्ध है, और परिणामस्वरूप, ऑन-डिवाइस मॉडल की तुलना में अधिक सटीकता और सटीकता के साथ निष्कर्ष निकाल सकते हैं। दूसरी ओर, इन एपीआई के लिए प्रत्येक अनुरोध के लिए एक नेटवर्क राउंड-ट्रिप की आवश्यकता होती है, जो उन्हें वीडियो प्रोसेसिंग जैसे रीयल-टाइम और कम-विलंबता अनुप्रयोगों के लिए अनुपयुक्त बनाता है।

कस्टम मॉडल एपीआई और ऑटोएमएल विज़न एज डिवाइस पर चलने वाले एमएल मॉडल के साथ डील करते हैं। इस्तेमाल किया और इन सुविधाओं के द्वारा उत्पादित मॉडल हैं TensorFlow लाइट मॉडल है, जो मोबाइल उपकरणों पर चलाने के लिए अनुकूलित कर रहे हैं। इन मॉडलों का सबसे बड़ा लाभ यह है कि उन्हें नेटवर्क कनेक्शन की आवश्यकता नहीं होती है और वे बहुत तेज़ी से चल सकते हैं—उदाहरण के लिए, वास्तविक समय में वीडियो के फ़्रेम को संसाधित करने के लिए पर्याप्त तेज़।

फायरबेस एमएल ऑन-डिवाइस कस्टम मॉडल के आसपास दो प्रमुख क्षमताएं प्रदान करता है:

  • कस्टम मॉडल तैनाती: उन्हें हमारे सर्वर पर अपलोड करके अपने उपयोगकर्ताओं के उपकरणों को तैनात कस्टम मॉडल। आपका फायरबेस-सक्षम ऐप मांग पर डिवाइस पर मॉडल डाउनलोड करेगा। यह आपको अपने ऐप के शुरुआती इंस्टॉल आकार को छोटा रखने की अनुमति देता है, और आप अपने ऐप को फिर से प्रकाशित किए बिना एमएल मॉडल को स्वैप कर सकते हैं।

  • AutoML विजन एज: यह सेवा आपको एक आसान से उपयोग वेब इंटरफेस के साथ अपने स्वयं के उपकरण-पर कस्टम छवि वर्गीकरण मॉडल बनाने में मदद करता है। फिर, आप ऊपर बताई गई सेवा के साथ अपने द्वारा बनाए गए मॉडल को मूल रूप से होस्ट कर सकते हैं।

एमएल किट: उपयोग के लिए तैयार ऑन-डिवाइस मॉडल

आप पहले से प्रशिक्षित मॉडलों डिवाइस पर चलने वाले के लिए देख रहे हैं, बाहर की जाँच एमएल किट । एमएल किट आईओएस और एंड्रॉइड के लिए उपलब्ध है, और इसमें कई उपयोग के मामलों के लिए एपीआई हैं:

  • पाठ पहचान
  • छवि लेबलिंग
  • वस्तु का पता लगाने और ट्रैकिंग
  • फेस डिटेक्शन और कंटूर ट्रेसिंग
  • बारकोड स्कैनिंग
  • भाषा की पहचान
  • अनुवाद
  • स्मार्ट उत्तर

अगला कदम