Firebase Machine Learning BÊTA
Apprentissage automatique pour
développeurs mobiles
Ajoutez des fonctionnalités d'apprentissage automatique à votre application
Utilisez Firebase ML pour former et déployer des modèles personnalisés, ou utilisez une solution plus clé en main avec les API Cloud Vision.
Déployer des modèles personnalisés qui s'exécutent sur l'appareil
Que vous commenciez avec un modèle TensorFlow Lite existant ou que vous formiez le vôtre, vous pouvez utiliser le déploiement de modèle Firebase ML pour distribuer des modèles à vos utilisateurs par voie hertzienne. Cela réduit la taille de l'installation initiale de l'application, car les modèles sont téléchargés par l'appareil uniquement lorsque cela est nécessaire. Il vous permet également de tester A / B plusieurs modèles, d'évaluer leurs performances et de mettre à jour régulièrement les modèles sans avoir à republier l'intégralité de votre application. Il vous suffit de télécharger votre modèle sur la console Firebase, et nous nous chargerons de l'hébergement et de la diffusion sur votre application. Ou si vous préférez, vous pouvez déployer des modèles directement à partir de votre pipeline de production ML ou de votre bloc-notes Colab à l'aide du SDK Firebase Admin .
Entraînez votre propre modèle personnalisé de classification d'images
Avec AutoML Vision Edge , vous pouvez facilement créer des modèles de classification d'images personnalisés adaptés à vos besoins. Par exemple, vous souhaiterez peut-être que votre application puisse identifier différents types d'aliments ou faire la distinction entre les espèces d'animaux. Quels que soient vos besoins, téléchargez simplement vos données d'entraînement sur la console Firebase et vous pouvez utiliser la technologie AutoML de Google pour créer un modèle TensorFlow Lite personnalisé que vous pourrez exécuter localement sur l'appareil de votre utilisateur.
Résolvez des cas d'utilisation courants avec des API clés en main
Firebase ML est également livré avec un ensemble d'API cloud prêtes à l'emploi pour les cas d'utilisation mobile courants: reconnaissance de texte , étiquetage d'images et reconnaissance de points de repère . Contrairement aux API sur appareil, ces API exploitent la puissance de la technologie d'apprentissage automatique de Google Cloud pour offrir un haut niveau de précision. Il vous suffit de transmettre les données à la bibliothèque, qui envoie une requête transparente aux modèles exécutés sur Google Cloud, et de récupérer les informations dont vous avez besoin, le tout en quelques lignes de code.
