自訂模型

如果您是經驗豐富的機器學習開發人員 和 ML Kit 預先建構的模型 您可以運用自訂篩選條件 TensorFlow Lite 模型 機器學習套件

請使用 Firebase 代管 TensorFlow Lite 模型，或將模型與應用程式一併封裝。接著，請使用機器學習套件 SDK 執行推論，使用可用的最佳自訂模型版本。如果您使用 Firebase 託管模型，ML Kit 會自動更新使用者 最新版本。

iOS 版 Android

主要功能

TensorFlow Lite 模型託管 使用 Firebase 代管模型，以便縮減應用程式的二進位檔大小，並確保應用程式一律使用模型的最新版本
裝置端機器學習推論 使用 ML Kit SDK 在 iOS 或 Android 應用程式中執行推論： 執行自訂的 TensorFlow Lite 模型模型可與 託管於雲端或兩者皆是
自動模型備用機制 指定多個模型來源；使用儲存在本機的模型 無法使用雲端託管模型
自動更新模型 設定應用程式自動下載的條件 可能的新版本：當使用者的裝置處於閒置狀態、正在充電時 或是具備 Wi-Fi 連線

實作路徑

訓練 TensorFlow 模型 使用 TensorFlow 建構及訓練自訂模型。或者，重新訓練 解決類似問題 查看 TensorFlow Lite 開發人員指南。
將模型轉換為 TensorFlow Lite 透過下列方式將模型從標準 TensorFlow 格式轉換為 TensorFlow Lite： 凍結圖形，然後使用 TensorFlow 最佳化轉換器 (TOCO)。查看 TensorFlow Lite 開發人員指南。
使用 Firebase 代管 TensorFlow Lite 模型 選用：使用 Firebase 託管 TensorFlow Lite 模型時， 在應用程式中導入 ML Kit SDK ML Kit 可以確保使用者 最新的模型版本。您可以設定 ML Kit，在使用者裝置閒置、充電或連上 Wi-Fi 時，自動下載模型更新。
使用 TensorFlow Lite 模型進行推論 在 iOS 或 Android 應用程式中，使用 ML Kit 的自訂模型 API 來執行 透過 Firebase 託管或應用程式組合模型推論得出。