Model Kustom

Jika Anda menggunakan model TensorFlow Lite kustom, Firebase ML dapat membantu memastikan bahwa pengguna Anda selalu menggunakan versi model kustom terbaik yang tersedia. Saat Anda men-deploy model dengan Firebase, Firebase ML hanya akan mendownload model saat diperlukan dan otomatis mengupdate model yang digunakan pengguna ke versi terbarunya.


Siap untuk memulai? Pilih platform Anda:

iOS+ Android


Kemampuan utama

Deployment model TensorFlow Lite Deploy model menggunakan Firebase untuk mengurangi ukuran file biner aplikasi dan memastikan aplikasi Anda selalu menggunakan versi terbaru yang tersedia dari model Anda.
Inferensi ML di perangkat Jalankan inferensi di aplikasi Apple atau Android menggunakan penafsir TensorFlow Lite dengan model Anda.
Update model otomatis Konfigurasikan kondisi sehingga aplikasi akan mendownload versi baru model Anda secara otomatis saat perangkat pengguna sedang idle, mengisi daya, atau tersambung ke koneksi Wi-Fi.

Alur implementasi

Melatih model TensorFlow Buat dan latih model kustom menggunakan TensorFlow. Atau, latih ulang model yang ada agar mampu memecahkan masalah yang mirip dengan yang ingin Anda capai.
Mengonversi model ke TensorFlow Lite Konversi model Anda dari HDF5 atau format grafik beku menjadi TensorFlow Lite menggunakan konverter TensorFlow Lite.
Men-deploy model TensorFlow Lite ke Firebase Opsional: Saat Anda men-deploy model TensorFlow Lite ke Firebase dan menyertakan Firebase ML SDK dalam aplikasi, Firebase ML akan terus mengupdate pengguna dengan versi terbaru dari model Anda. Anda dapat mengonfigurasinya agar update model otomatis didownload saat perangkat pengguna tidak aktif, sedang mengisi daya, atau terhubung ke koneksi Wi-Fi.
Menggunakan model TensorFlow Lite untuk inferensi Gunakan penafsir TensorFlow Lite di aplikasi Apple atau Android Anda untuk menjalankan inferensi dengan model yang di-deploy menggunakan Firebase.

Codelab

Coba beberapa codelabs untuk mempelajari secara langsung bagaimana Firebase dapat membantu Anda menggunakan model TensorFlow Lite dengan lebih mudah dan efektif.