Modele niestandardowe

Jeśli używasz niestandardowego modele TensorFlow Lite, Dzięki Firebase ML możesz mieć pewność, że użytkownicy zawsze korzystają z jaka jest najlepsza dostępna wersja Twojego niestandardowego modelu. Gdy wdrażasz model za pomocą: Firebase, Firebase ML pobiera model tylko wtedy, gdy jest potrzebny. automatycznie aktualizuje tę aplikację do najnowszej wersji.


Chcesz rozpocząć? Wybierz platformę:

iOS lub nowszy Android


Najważniejsze funkcje

Wdrożenie modelu TensorFlow Lite Wdrażaj modele za pomocą Firebase, aby zmniejszyć rozmiar plików binarnych aplikacji oraz upewnij się, że aplikacja zawsze używa najnowszej dostępnej wersji Twój model
Wnioskowanie ML na urządzeniu Przeprowadź wnioskowanie w aplikacji na urządzenia Apple lub na Androida za pomocą TensorFlow Lite z modelem tłumacza.
Automatyczne aktualizacje modeli Skonfiguruj warunki automatycznego pobierania aplikacji nowe wersje Twojego modelu: gdy urządzenie użytkownika jest nieaktywne, się ładuje, lub urządzenie ma połączenie Wi-Fi.

Ścieżka implementacji

Wytrenuj model TensorFlow Utworzenie i wytrenowanie modelu niestandardowego za pomocą TensorFlow. Możesz też od nowa przeszkolić który rozwiązuje problem podobny do tego, co chcesz osiągnąć.
Przekonwertuj model na TensorFlow Lite Przekonwertuj model z HDF5 lub zablokowanego formatu wykresu na TensorFlow Lite za pomocą Konwerter TensorFlow Lite.
Wdrażanie modelu TensorFlow Lite w Firebase Opcjonalnie: gdy wdrożysz model TensorFlow Lite w Firebase i uwzględnij pakiet SDK Firebase ML w swoim Firebase ML umożliwia użytkownikom z najnowszą wersją modelu. Możesz go skonfigurować tak, automatycznie pobiera aktualizacje modelu, gdy urządzenie użytkownika jest nieaktywne lub jest ładowany lub ma połączenie Wi-Fi.
Używanie modelu TensorFlow Lite do wnioskowania Użyj interpretera TensorFlow Lite w aplikacji na Apple lub Androida, aby wnioskowania z modeli wdrożonych przy użyciu Firebase.

Codelabs

Wykonaj ćwiczenia z programowania, aby dowiedzieć się, jak Firebase może ułatwić Ci korzystanie modele TensorFlow Lite – są łatwiejsze i skuteczniejsze.