透過 Flutter 使用自訂 TensorFlow Lite 模型

如果應用程式使用自訂 TensorFlow Lite 模型，可以透過 Firebase ML 部署模型。透過 Firebase 部署模型，您可以縮減應用程式的初始下載大小，並更新應用程式的 ML 模型，不必發布新版應用程式。此外，您也可以使用遠端設定和 A/B 測試，動態為不同使用者群組提供不同模型。

TensorFlow Lite 模型

TensorFlow Lite 模型是經過最佳化的機器學習模型，可在行動裝置上執行。如要取得 TensorFlow Lite 模型，請按照下列步驟操作：

請注意，由於 Dart 沒有維護的 TensorFlow Lite 程式庫，您需要與平台的原生 TensorFlow Lite 程式庫整合。本文未說明這項整合功能。

事前準備

  1. 如果尚未安裝並初始化 Flutter 適用的 Firebase SDK，請先完成這項操作。

  2. 在 Flutter 專案的根目錄中執行下列指令，安裝 ML 模型下載器外掛程式：

    flutter pub add firebase_ml_model_downloader

  3. 重建專案：

    flutter run

1. 部署模型

使用 Firebase 控制台或 Firebase Admin Python 和 Node.js SDK，部署自訂 TensorFlow 模型。請參閱「部署及管理自訂模型」。

將自訂模型新增至 Firebase 專案後，您可以使用指定的名稱在應用程式中參照模型。您可以隨時部署新的 TensorFlow Lite 模型，並呼叫 getModel() (如下所示)，將新模型下載到使用者的裝置。

2. 將模型下載至裝置，並初始化 TensorFlow Lite 解譯器

如要在應用程式中使用 TensorFlow Lite 模型，請先使用模型下載工具，將最新版本的模型下載至裝置。接著，使用模型例項化 TensorFlow Lite 解譯器。

如要開始下載模型，請呼叫模型下載器的 getModel() 方法，並指定您上傳模型時指派的名稱、是否要一律下載最新模型，以及允許下載的條件。

您可以選擇三種下載行為：

下載類型 說明
localModel 從裝置取得本機模型。 如果沒有可用的本機模型，這項功能的行為與 latestModel 類似。如果您不想檢查模型更新，請使用這個下載類型。舉例來說，您使用遠端設定擷取模型名稱，並一律以新名稱上傳模型 (建議做法)。
localModelUpdateInBackground 從裝置取得本機模型，並在背景開始更新模型。如果沒有可用的本機模型，這項功能的行為與 latestModel 類似。
latestModel 取得最新型號。如果本機模型是最新版本，則傳回本機模型。否則，請下載最新模型。這個行為會封鎖，直到下載最新版本為止 (不建議)。只有在明確需要最新版本時，才使用這項行為。

在確認模型已下載完畢前，您應停用模型相關功能，例如將部分 UI 設為灰色或隱藏。

FirebaseModelDownloader.instance
    .getModel(
        "yourModelName",
        FirebaseModelDownloadType.localModel,
        FirebaseModelDownloadConditions(
          iosAllowsCellularAccess: true,
          iosAllowsBackgroundDownloading: false,
          androidChargingRequired: false,
          androidWifiRequired: false,
          androidDeviceIdleRequired: false,
        )
    )
    .then((customModel) {
      // Download complete. Depending on your app, you could enable the ML
      // feature, or switch from the local model to the remote model, etc.

      // The CustomModel object contains the local path of the model file,
      // which you can use to instantiate a TensorFlow Lite interpreter.
      final localModelPath = customModel.file;

      // ...
    });

許多應用程式會在初始化程式碼中啟動下載工作，但您可以在需要使用模型前的任何時間點執行這項操作。

3. 對輸入資料執行推論

現在裝置上已有模型檔案，您可以使用 TensorFlow Lite 解譯器執行推論。由於 Dart 沒有維護的 TensorFlow Lite 程式庫，您需要整合 iOS 和 Android 的原生 TensorFlow Lite 程式庫。

附錄：模型安全性

無論您如何將 TensorFlow Lite 模型提供給 Firebase ML，Firebase ML 都會以標準序列化 protobuf 格式將模型儲存在本機儲存空間。

從理論上來說，這表示任何人都能複製您的模型。不過，實際上大多數模型都經過最佳化，因此會針對特定應用程式進行混淆處理，風險與競爭對手拆解及重複使用您程式碼的風險類似。不過，在應用程式中使用自訂模型前，請務必瞭解這項風險。