Modele niestandardowe
Jeśli korzystasz z niestandardowych modeli TensorFlow Lite , Firebase ML może pomóc Ci upewnić się, że użytkownicy zawsze korzystają z najlepszej dostępnej wersji Twojego niestandardowego modelu. Gdy wdrażasz model w Firebase, Firebase ML pobiera model tylko wtedy, gdy jest potrzebny i automatycznie aktualizuje użytkowników do najnowszej wersji.
Kluczowe możliwości
Wdrożenie modelu TensorFlow Lite | Wdróż swoje modele za pomocą Firebase, aby zmniejszyć rozmiar binarny aplikacji i mieć pewność, że aplikacja zawsze korzysta z najnowszej dostępnej wersji Twojego modelu |
Wnioskowanie ML na urządzeniu | Wykonuj wnioskowanie w aplikacji Apple lub Android, korzystając z interpretera TensorFlow Lite w swoim modelu. |
Automatyczne aktualizacje modelu | Skonfiguruj warunki, w jakich aplikacja automatycznie pobiera nowe wersje Twojego modelu: gdy urządzenie użytkownika jest bezczynne, ładuje się lub ma połączenie Wi-Fi |
Ścieżka realizacji
Trenuj swój model TensorFlow | Zbuduj i wytrenuj niestandardowy model za pomocą TensorFlow. Możesz też przeszkolić istniejący model, który rozwiązuje problem podobny do tego, co chcesz osiągnąć. | |
Konwertuj model na TensorFlow Lite | Konwertuj swój model z formatu HDF5 lub zamrożonego wykresu na TensorFlow Lite za pomocą konwertera TensorFlow Lite . | |
Wdróż swój model TensorFlow Lite w Firebase | Opcjonalnie: gdy wdrożysz model TensorFlow Lite w Firebase i dołączysz pakiet SDK Firebase ML do swojej aplikacji, Firebase ML zapewni użytkownikom aktualność z najnowszą wersją Twojego modelu. Możesz go skonfigurować tak, aby automatycznie pobierał aktualizacje modelu, gdy urządzenie użytkownika jest bezczynne, ładuje się lub ma połączenie Wi-Fi. | |
Do wnioskowania użyj modelu TensorFlow Lite | Użyj interpretera TensorFlow Lite w aplikacji na Apple lub Androida, aby przeprowadzić wnioskowanie z modelami wdrożonymi przy użyciu Firebase. |
Zajęcia z kodowania
Wypróbuj ćwiczenia z programowania , aby dowiedzieć się, jak Firebase może pomóc Ci łatwiej i efektywniej korzystać z modeli TensorFlow Lite.