Firebase 機器學習

在您的應用程式中使用機器學習來解決現實世界的問題。

Firebase 機器學習是一款行動 SDK,透過功能強大且易於使用的軟體包將 Google 的機器學習專業知識引入 Android 和 Apple 應用程式。無論您是機器學習領域的新手還是經驗豐富的人,只需幾行程式碼即可實現所需的功能。無需深入了解神經網路或模型優化即可開始。另一方面,如果您是經驗豐富的 ML 開發人員,Firebase ML 提供方便的 API,可協助您在行動應用程式中使用自訂 TensorFlow Lite 模型。

關鍵能力

託管和部署自訂模型

使用您自己的 TensorFlow Lite 模型進行設備上推理。只需將您的模型部署到 Firebase,我們就會負責託管並將其提供給您的應用程式。 Firebase 將動態地向您的用戶提供最新版本的模型,使您能夠定期更新它們,而無需向用戶推送應用程式的新版本。

當您將 Firebase ML 與Remote Config結合使用時,您可以為不同的用戶群提供不同的模型,並且透過A/B 測試,您可以運行實驗來找到最佳效能的模型(請參閱AppleAndroid指南) 。

可用於常見用例的生產

Firebase ML 附帶了一組適用於常見移動用例的即用型 API:識別文字、標記圖像和識別地標。只需將資料傳遞到 Firebase ML 庫,它就會為您提供所需的資訊。這些 API 利用 Google Cloud 機器學習技術的強大功能為您提供最高等級的準確性。

雲端與裝置上

Firebase ML 具有可在雲端或裝置上執行的 API。當我們將 ML API 描述為雲端 API 或裝置上 API 時,我們描述的是哪台機器執行推理:也就是說,哪台機器使用 ML 模型來發現有關您提供的資料的見解。在 Firebase ML 中,這種情況發生在 Google Cloud 上或使用者的行動裝置上。

文字辨識、圖像標記和地標辨識 API 在雲端執行推理。與同類設備上模型相比,這些模型具有更多的計算能力和可用內存,因此可以比設備上模型以更高的準確度和精確度執行推理。另一方面,對這些 API 的每個請求都需要網路往返,這使得它們不適合視訊處理等即時和低延遲的應用程式。

自訂模型 API 處理在裝置上執行的 ML 模型。這些功能使用和產生的模型是TensorFlow Lite模型,該模型針對在行動裝置上運行進行了最佳化。這些模型的最大優點是它們不需要網路連接,並且運行速度非常快,例如足以即時處理視訊幀。

Firebase ML 提供了透過將自訂模型上傳到我們的伺服器來將其部署到使用者裝置的功能。您的支援 Firebase 的應用程式將按需將模型下載到裝置。這使您可以保持應用程式的初始安裝大小較小,並且您可以交換 ML 模型,而無需重新發​​布應用程式。

ML Kit:即用型設備模型

如果您正在尋找在設備上運行的預訓練模型,請查看ML Kit 。 ML Kit 可用於 iOS 和 Android,並具有適用於許多用例的 API:

  • 文字識別
  • 圖片標註
  • 物體檢測和追蹤
  • 人臉偵測和輪廓追蹤
  • 條碼掃描
  • 語言識別
  • 翻譯
  • 智慧回覆

下一步