Uczenie maszynowe Firebase

Wykorzystaj uczenie maszynowe w swoich aplikacjach do rozwiązywania rzeczywistych problemów.

Uczenie maszynowe Firebase to mobilny pakiet SDK, który zapewnia wiedzę o uczeniu maszynowym Google w aplikacjach na Androida i iOS w potężnym, a jednocześnie łatwym w użyciu pakiecie. . Niezależnie od tego, czy jesteś nowy, czy doświadczony w uczeniu maszynowym, możesz zaimplementować potrzebne funkcje w zaledwie kilku wierszach kodu. Aby rozpocząć, nie trzeba mieć głębokiej wiedzy na temat sieci neuronowych ani optymalizacji modeli. Z drugiej strony, jeśli jesteś doświadczonym programistą ML, Firebase ML zapewnia wygodne interfejsy API, które pomagają używać niestandardowych modeli TensorFlow Lite w aplikacjach mobilnych.

Kluczowe możliwości

Hostuj i wdrażaj modele niestandardowe

Użyj własnych modeli TensorFlow Lite do wnioskowania na urządzeniu. Po prostu wdróż swój model w Firebase, a my zajmiemy się hostingiem i udostępnianiem go w Twojej aplikacji. Firebase będzie dynamicznie udostępniać użytkownikom najnowszą wersję modelu, umożliwiając ich regularne aktualizowanie bez konieczności przekazywania użytkownikom nowej wersji aplikacji.

Podczas korzystania z Firebase ML Remote Config można obsługiwać różne modele do różnych segmentów użytkowników oraz z A / B Testing , można uruchomić eksperymenty, aby znaleźć najlepszy model wykonywania (patrz iOS i Android przewodników).

Automatycznie trenuj modele

Dzięki Firebase ML i AutoML Vision Edge możesz łatwo trenować własne modele etykietowania obrazów TensorFlow Lite, których możesz używać w swojej aplikacji do rozpoznawania pojęć na zdjęciach. Prześlij dane szkoleniowe — własne obrazy i etykiety — a AutoML Vision Edge użyje ich do trenowania niestandardowego modelu w chmurze.

Gotowy do produkcji dla typowych przypadków użycia

Firebase ML zawiera zestaw gotowych do użycia interfejsów API do typowych zastosowań mobilnych: rozpoznawania tekstu, etykietowania obrazów i identyfikowania punktów orientacyjnych. Po prostu przekaż dane do biblioteki Firebase ML, a otrzymasz potrzebne informacje. Te interfejsy API wykorzystują możliwości technologii uczenia maszynowego Google Cloud, aby zapewnić najwyższy poziom dokładności.

Chmura a na urządzeniu

Firebase ML ma interfejsy API, które działają w chmurze lub na urządzeniu. Gdy opisujemy API ML jako chmura API lub na urządzeniu API, jesteśmy opisujące który wykonuje maszyna wnioskowania, to znaczy który maszyna wykorzystuje model ML aby dowiedzieć się spostrzeżeniami na temat danych, które jej świadczenia. W Firebase ML dzieje się to w Google Cloud lub na urządzeniach mobilnych użytkowników.

Interfejsy API rozpoznawania tekstu, etykietowania obrazów i rozpoznawania punktów orientacyjnych wykonują wnioskowanie w chmurze. Modele te mają większą moc obliczeniową i dostępną pamięć niż porównywalny model na urządzeniu, dzięki czemu mogą przeprowadzać wnioskowanie z większą dokładnością i precyzją niż model na urządzeniu. Z drugiej strony, każde żądanie do tych interfejsów API wymaga dwukierunkowej podróży sieciowej, co czyni je nieodpowiednimi dla aplikacji czasu rzeczywistego i małych opóźnień, takich jak przetwarzanie wideo.

Interfejsy API modeli niestandardowych i AutoML Vision Edge obsługują modele ML działające na urządzeniu. Modele stosowane i produkowane przez te funkcje są TensorFlow Lite modele, które są zoptymalizowane do działania na urządzeniach mobilnych. Największą zaletą tych modeli jest to, że nie wymagają połączenia sieciowego i mogą działać bardzo szybko — wystarczająco szybko, na przykład, aby przetwarzać klatki wideo w czasie rzeczywistym.

Firebase ML zapewnia dwie kluczowe funkcje związane z modelami niestandardowymi na urządzeniu:

  • Zwyczaj wdrożenie modelu: modele niestandardowe wdrożenia na urządzeniach użytkowników ładując je do naszych serwerów. Twoja aplikacja obsługująca Firebase pobierze model na urządzenie na żądanie. Dzięki temu możesz zachować mały rozmiar początkowej instalacji aplikacji i możesz zamienić model ML bez konieczności ponownego publikowania aplikacji.

  • AutoML Vision krawędzi: Ta usługa pozwala tworzyć własne modele na urządzeniu klasyfikacji obrazu z interfejsem WWW łatwy w obsłudze. Następnie możesz bezproblemowo hostować tworzone modele za pomocą wspomnianej powyżej usługi.

Zestaw ML: gotowe do użycia modele na urządzeniu

Jeśli szukasz wstępnie przeszkolony modeli, które działają na urządzeniu, sprawdź ML Kit . ML Kit jest dostępny dla systemów iOS i Android i ma interfejsy API do wielu zastosowań:

  • Rozpoznawanie tekstu
  • Etykietowanie obrazu
  • Wykrywanie i śledzenie obiektów
  • Wykrywanie twarzy i śledzenie konturów
  • Skanowanie kodów kreskowych
  • Identyfikacja języka
  • Tłumaczenie
  • Inteligentna odpowiedź

Następne kroki