Save the date - Google I/O returns May 18-20. Register to get the most out of the digital experience: Build your schedule, reserve space, participate in Q&As, earn Google Developer profile badges, and more. Register now

Uczenie maszynowe Firebase

Użyj uczenia maszynowego w swoich aplikacjach, aby rozwiązywać rzeczywiste problemy.

Firebase Machine Learning to mobilny pakiet SDK, który łączy wiedzę Google z zakresu uczenia maszynowego w aplikacjach na Androida i iOS w potężnym, ale łatwym w użyciu pakiecie. Niezależnie od tego, czy jesteś nowy, czy masz doświadczenie w uczeniu maszynowym, możesz zaimplementować potrzebną funkcjonalność w zaledwie kilku wierszach kodu. Nie ma potrzeby posiadania głębokiej wiedzy na temat sieci neuronowych ani optymalizacji modelu, aby rozpocząć. 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 hostowaniem i udostępnianiem go w Twojej aplikacji. Firebase będzie dynamicznie udostępniać użytkownikom najnowszą wersję modelu, umożliwiając regularne ich aktualizowanie bez konieczności wysyłania 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).

Automatyczne trenowanie modeli

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 treningowe - własne obrazy i etykiety - a AutoML Vision Edge użyje ich do wytrenowania niestandardowego modelu w chmurze.

Gotowy do produkcji do typowych zastosowań

Firebase ML zawiera zestaw gotowych do użycia interfejsów API do typowych zastosowań mobilnych: rozpoznawanie tekstu, etykietowanie obrazów i identyfikowanie punktów orientacyjnych. Po prostu prześlij 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. Kiedy opisujemy interfejs ML API jako interfejs API w chmurze lub interfejs API na urządzeniu, opisujemy, która maszyna wykonuje wnioskowanie : to znaczy, która maszyna korzysta z modelu ML, aby uzyskać wgląd w dane, które mu podajesz. 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 dostępną większą moc obliczeniową i pamięć niż porównywalny model na urządzeniu, w wyniku czego mogą przeprowadzać wnioskowanie z większą dokładnością i precyzją niż model na urządzeniu. Z drugiej strony każde żądanie do tych interfejsów API wymaga połączenia sieciowego w obie strony, co czyni je nieodpowiednimi dla aplikacji czasu rzeczywistego i aplikacji o małych opóźnieniach, takich jak przetwarzanie wideo.

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

Firebase ML zapewnia dwie kluczowe funkcje związane z niestandardowymi modelami 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 Edge : ta usługa pomaga tworzyć własne niestandardowe modele klasyfikacji obrazów na urządzeniu z łatwym w użyciu interfejsem sieciowym. Następnie możesz bezproblemowo hostować utworzone modele za pomocą wspomnianej powyżej usługi.

Zestaw ML: gotowe do użycia modele na urządzeniu

Jeśli szukasz wstępnie wytrenowanych 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 obrazów
  • Wykrywanie i śledzenie obiektów
  • Wykrywanie twarzy i śledzenie konturów
  • Skanowanie kodów kreskowych
  • Identyfikacja języka
  • Tłumaczenie
  • Inteligentna odpowiedź

Następne kroki