Join us in person and online for Firebase Summit on October 18, 2022. Learn how Firebase can help you accelerate app development, release your app with confidence, and scale with ease. Register now
จัดทุกอย่างให้เป็นระเบียบอยู่เสมอด้วยคอลเล็กชัน บันทึกและจัดหมวดหมู่เนื้อหาตามค่ากำหนดของคุณ

การเรียนรู้ของเครื่อง Firebase

ใช้แมชชีนเลิร์นนิงในแอปของคุณเพื่อแก้ปัญหาในโลกแห่งความเป็นจริง

Firebase Machine Learning เป็น SDK สำหรับอุปกรณ์พกพาที่นำความเชี่ยวชาญด้านแมชชีนเลิร์นนิงของ Google มาสู่แอป Android และ Apple ในแพ็คเกจที่ทรงพลังแต่ใช้งานง่าย ไม่ว่าคุณจะเป็นมือใหม่หรือมีประสบการณ์ในการเรียนรู้ของเครื่อง คุณก็สามารถปรับใช้ฟังก์ชันที่คุณต้องการได้ในโค้ดเพียงไม่กี่บรรทัด ไม่จำเป็นต้องมีความรู้เชิงลึกเกี่ยวกับโครงข่ายประสาทเทียมหรือการเพิ่มประสิทธิภาพแบบจำลองเพื่อเริ่มต้น ในทางกลับกัน หากคุณเป็นนักพัฒนา ML ที่มีประสบการณ์ Firebase ML จะให้ API ที่สะดวกซึ่งช่วยให้คุณใช้โมเดล TensorFlow Lite ที่กำหนดเองในแอปมือถือของคุณ

ความสามารถที่สำคัญ

โฮสต์และปรับใช้โมเดลที่กำหนดเอง

ใช้รุ่น TensorFlow Lite ของคุณเองสำหรับการอนุมานบนอุปกรณ์ เพียงปรับใช้โมเดลของคุณกับ Firebase แล้วเราจะดูแลการโฮสต์และให้บริการแก่แอปของคุณ Firebase จะแสดงเวอร์ชันล่าสุดของโมเดลแบบไดนามิกให้กับผู้ใช้ของคุณ ช่วยให้คุณอัปเดตเป็นประจำโดยไม่ต้องส่งแอปเวอร์ชันใหม่ให้กับผู้ใช้

เมื่อคุณใช้ Firebase ML กับ การกำหนดค่าระยะไกล คุณสามารถให้บริการโมเดลที่แตกต่างกันไปยังกลุ่มผู้ใช้ที่แตกต่างกัน และด้วย การทดสอบ A/B คุณสามารถทำการทดสอบเพื่อค้นหาโมเดลที่ทำงานได้ดีที่สุด (ดูคำแนะนำของ Apple และ Android )

ฝึกโมเดลโดยอัตโนมัติ

ด้วย Firebase ML และ AutoML Vision Edge คุณสามารถฝึกโมเดลการติดฉลากรูปภาพ TensorFlow Lite ของคุณเองได้อย่างง่ายดาย ซึ่งคุณสามารถใช้ในแอปของคุณเพื่อจดจำแนวคิดในรูปถ่าย อัปโหลดข้อมูลการฝึกอบรม—รูปภาพและป้ายกำกับของคุณเอง—และ AutoML Vision Edge จะใช้ข้อมูลเหล่านี้ในการฝึกโมเดลที่กำหนดเองในคลาวด์

พร้อมสำหรับกรณีการใช้งานทั่วไป

Firebase ML มาพร้อมกับชุด API ที่พร้อมใช้งานสำหรับกรณีการใช้งานบนอุปกรณ์เคลื่อนที่ทั่วไป: การจดจำข้อความ การติดป้ายกำกับรูปภาพ และการระบุจุดสังเกต เพียงส่งข้อมูลไปยังไลบรารี Firebase ML และให้ข้อมูลที่คุณต้องการ API เหล่านี้ใช้ประโยชน์จากเทคโนโลยีแมชชีนเลิร์นนิงของ Google Cloud เพื่อให้คุณมีระดับความแม่นยำสูงสุด

คลาวด์เทียบกับในอุปกรณ์

Firebase ML มี API ที่ทำงานได้ทั้งในระบบคลาวด์หรือบนอุปกรณ์ เมื่อเราอธิบาย ML API ว่าเป็น cloud API หรือ on-device API เรากำลังอธิบาย ว่าเครื่องใดทำการอนุมาน นั่นคือ เครื่องใดใช้โมเดล ML เพื่อค้นหาข้อมูลเชิงลึกเกี่ยวกับข้อมูลที่คุณให้มา ใน Firebase ML กรณีนี้เกิดขึ้นบน Google Cloud หรือบนอุปกรณ์เคลื่อนที่ของผู้ใช้

API การรู้จำข้อความ การติดป้ายกำกับรูปภาพ และ API การรู้จำสถานที่สำคัญ ทำการอนุมานในระบบคลาวด์ โมเดลเหล่านี้มีพลังในการคำนวณและหน่วยความจำที่พร้อมใช้งานมากกว่ารุ่นในอุปกรณ์ที่เปรียบเทียบกันได้ และด้วยเหตุนี้จึงสามารถทำการอนุมานได้อย่างแม่นยำและแม่นยำกว่าโมเดลในอุปกรณ์ ในทางกลับกัน ทุกคำขอที่ส่งไปยัง API เหล่านี้จำเป็นต้องมีเครือข่ายแบบไปกลับ ซึ่งทำให้ไม่เหมาะสำหรับแอปพลิเคชันแบบเรียลไทม์และเวลาแฝงต่ำ เช่น การประมวลผลวิดีโอ

API รุ่นที่กำหนดเองและ AutoML Vision Edge จัดการกับรุ่น ML ที่ทำงานบนอุปกรณ์ โมเดลที่ใช้และผลิตโดยคุณลักษณะเหล่านี้เป็นรุ่น TensorFlow Lite ซึ่งได้รับการปรับให้เหมาะกับการทำงานบนอุปกรณ์เคลื่อนที่ ข้อได้เปรียบที่ใหญ่ที่สุดสำหรับโมเดลเหล่านี้คือไม่ต้องมีการเชื่อมต่อเครือข่ายและสามารถทำงานได้อย่างรวดเร็ว เช่น ประมวลผลเฟรมของวิดีโอแบบเรียลไทม์ เป็นต้น

Firebase ML มีความสามารถหลักสองประการเกี่ยวกับโมเดลที่กำหนดเองในอุปกรณ์:

  • การปรับใช้โมเดลแบบกำหนดเอง : ปรับใช้โมเดลที่กำหนดเองกับอุปกรณ์ของผู้ใช้ของคุณโดยอัปโหลดไปยังเซิร์ฟเวอร์ของเรา แอปที่เปิดใช้งาน Firebase จะดาวน์โหลดโมเดลไปยังอุปกรณ์ตามต้องการ วิธีนี้ช่วยให้คุณรักษาขนาดการติดตั้งเริ่มต้นของแอปให้เล็กลง และคุณสามารถสลับโมเดล ML ได้โดยไม่ต้องเผยแพร่แอปของคุณซ้ำ

  • AutoML Vision Edge : บริการนี้ช่วยให้คุณสร้างแบบจำลองการจัดประเภทรูปภาพที่กำหนดเองบนอุปกรณ์ของคุณเองด้วยอินเทอร์เฟซเว็บที่ใช้งานง่าย จากนั้น คุณสามารถโฮสต์โมเดลที่คุณสร้างไว้ได้อย่างราบรื่นด้วยบริการที่กล่าวถึงข้างต้น

ML Kit: รุ่นบนอุปกรณ์พร้อมใช้

หากคุณกำลังมองหารุ่นก่อนการฝึกอบรมที่ทำงานบนอุปกรณ์ ลองดู ML Kit ML Kit พร้อมใช้งานสำหรับ iOS และ Android และมี API สำหรับกรณีการใช้งานมากมาย:

  • การจดจำข้อความ
  • การติดฉลากรูปภาพ
  • การตรวจจับและติดตามวัตถุ
  • การตรวจจับใบหน้าและการติดตามรูปร่าง
  • การสแกนบาร์โค้ด
  • การระบุภาษา
  • การแปล
  • สมาร์ทรีพลาย

ขั้นตอนถัดไป