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
Эта страница переведена с помощью Cloud Translation API.
Switch to English

Машинное обучение Firebase

Используйте машинное обучение в своих приложениях для решения реальных проблем.

Firebase Machine Learning - это мобильный SDK, который привносит опыт машинного обучения Google в приложения для Android и iOS в мощном, но простом в использовании пакете. Независимо от того, новичок вы или имеете опыт в машинном обучении, вы можете реализовать необходимые функции всего в нескольких строках кода. Для начала не обязательно иметь глубокие знания в области нейронных сетей или оптимизации моделей. С другой стороны, если вы опытный разработчик машинного обучения, Firebase ML предоставляет удобные API-интерфейсы, которые помогут вам использовать пользовательские модели TensorFlow Lite в ваших мобильных приложениях.

Ключевые возможности

Размещение и развертывание пользовательских моделей

Используйте свои собственные модели TensorFlow Lite для вывода на устройстве. Просто разверните свою модель в Firebase, и мы позаботимся о ее размещении и обслуживании в вашем приложении. Firebase будет динамически предоставлять пользователям последнюю версию модели, что позволит вам регулярно обновлять их, не отправляя пользователям новую версию вашего приложения.

Когда вы используете Firebase ML с Remote Config , вы можете обслуживать разные модели для разных сегментов пользователей, а с A / B-тестированием вы можете проводить эксперименты, чтобы найти наиболее эффективную модель (см. Руководства для iOS и Android ).

Автоматическое обучение моделей

С Firebase ML и AutoML Vision Edge вы можете легко обучить свои собственные модели маркировки изображений TensorFlow Lite, которые вы можете использовать в своем приложении для распознавания концепций на фотографиях. Загрузите данные обучения - ваши собственные изображения и метки - и AutoML Vision Edge будет использовать их для обучения пользовательской модели в облаке.

Готово к производству для распространенных случаев использования

Firebase ML поставляется с набором готовых к использованию API-интерфейсов для распространенных случаев использования мобильных устройств: распознавания текста, маркировки изображений и определения ориентиров. Просто передайте данные в библиотеку Firebase ML, и она предоставит вам необходимую информацию. Эти API-интерфейсы используют возможности технологии машинного обучения Google Cloud, чтобы обеспечить высочайший уровень точности.

Облако и на устройстве

Firebase ML имеет API, которые работают либо в облаке, либо на устройстве. Когда мы описываем ML API как облачный API или API на устройстве, мы описываем, какая машина выполняет логический вывод, то есть какая машина использует модель машинного обучения для получения информации о предоставляемых вами данных. В Firebase ML это происходит либо в Google Cloud, либо на мобильных устройствах ваших пользователей.

API распознавания текста, маркировки изображений и распознавания ориентиров выполняют логический вывод в облаке. Эти модели обладают большей вычислительной мощностью и доступной памятью, чем сопоставимая модель на устройстве, и, как следствие, могут выполнять логический вывод с большей точностью, чем модель на устройстве. С другой стороны, каждый запрос к этим API требует обхода сети, что делает их непригодными для приложений реального времени и с малой задержкой, таких как обработка видео.

API-интерфейсы пользовательских моделей и AutoML Vision Edge работают с моделями машинного обучения, которые работают на устройстве. Модели, используемые и создаваемые этими функциями, являются моделями TensorFlow Lite , которые оптимизированы для работы на мобильных устройствах. Самым большим преимуществом этих моделей является то, что они не требуют подключения к сети и могут работать очень быстро - достаточно быстро, например, для обработки кадров видео в реальном времени.

Firebase ML предоставляет две ключевые возможности для пользовательских моделей на устройстве:

  • Пользовательские развертывания модели: пользовательские модели Deploy для устройств пользователей, загружая их на наши сервера. Ваше приложение с поддержкой Firebase загрузит модель на устройство по запросу. Это позволяет сохранить небольшой размер первоначальной установки вашего приложения, и вы можете менять модель машинного обучения без повторной публикации приложения.

  • AutoML Vision Edge : эта служба помогает создавать собственные модели классификации изображений на устройстве с помощью простого в использовании веб-интерфейса. Затем вы можете легко разместить созданные вами модели с помощью упомянутой выше службы.

Комплект ML: готовые к использованию модели на устройстве

Если вы ищете предварительно обученные модели, которые работают на устройстве, обратите внимание на ML Kit . ML Kit доступен для iOS и Android и имеет API для многих случаев использования:

  • Распознавание текста
  • Маркировка изображений
  • Обнаружение и отслеживание объектов
  • Распознавание лиц и отслеживание контуров
  • Сканирование штрих-кода
  • Идентификация языка
  • Перевод
  • Умный ответ

Следующие шаги