Firebase Machine Learning

বাস্তব বিশ্বের সমস্যা সমাধানের জন্য আপনার অ্যাপে মেশিন লার্নিং ব্যবহার করুন।

Firebase Machine Learning হল একটি মোবাইল SDK যা একটি শক্তিশালী অথচ সহজেই ব্যবহারযোগ্য প্যাকেজে Android এবং Apple অ্যাপে Google-এর মেশিন লার্নিং দক্ষতা নিয়ে আসে। আপনি মেশিন লার্নিংয়ে নতুন বা অভিজ্ঞ হোন না কেন, আপনি কোডের কয়েকটি লাইনে আপনার প্রয়োজনীয় কার্যকারিতা বাস্তবায়ন করতে পারেন। শুরু করার জন্য নিউরাল নেটওয়ার্ক বা মডেল অপ্টিমাইজেশান সম্পর্কে গভীর জ্ঞানের প্রয়োজন নেই। অন্যদিকে, আপনি যদি একজন অভিজ্ঞ ML ডেভেলপার হন, Firebase ML সুবিধাজনক API প্রদান করে যা আপনাকে আপনার মোবাইল অ্যাপে আপনার কাস্টম TensorFlow Lite মডেল ব্যবহার করতে সাহায্য করে।

মূল ক্ষমতা

হোস্ট এবং কাস্টম মডেল স্থাপন

ডিভাইসে অনুমানের জন্য আপনার নিজস্ব TensorFlow Lite মডেল ব্যবহার করুন। শুধু Firebase এ আপনার মডেল স্থাপন করুন, এবং আমরা আপনার অ্যাপে এটি হোস্টিং এবং পরিবেশন করার যত্ন নেব। Firebase আপনার ব্যবহারকারীদের কাছে মডেলের সর্বশেষ সংস্করণটি গতিশীলভাবে পরিবেশন করবে, আপনাকে ব্যবহারকারীদের কাছে আপনার অ্যাপের একটি নতুন সংস্করণ ঠেলে না দিয়ে সেগুলিকে নিয়মিত আপডেট করার অনুমতি দেবে।

আপনি যখন Remote Config এর সাথে Firebase ML ব্যবহার করেন, তখন আপনি বিভিন্ন ব্যবহারকারী বিভাগে বিভিন্ন মডেল পরিবেশন করতে পারেন এবং A/B Testing এর মাধ্যমে আপনি সেরা পারফরম্যান্স মডেল খুঁজে পেতে পরীক্ষা চালাতে পারেন ( Apple এবং Android গাইড দেখুন)।

সাধারণ ব্যবহারের ক্ষেত্রে উৎপাদন-প্রস্তুত

Firebase ML সাধারণ মোবাইল ব্যবহারের ক্ষেত্রে ব্যবহারের জন্য প্রস্তুত API-এর একটি সেট নিয়ে আসে: পাঠ্য শনাক্ত করা, ছবি লেবেল করা এবং ল্যান্ডমার্ক চিহ্নিত করা। শুধু Firebase ML লাইব্রেরিতে ডেটা পাঠান এবং এটি আপনাকে আপনার প্রয়োজনীয় তথ্য দেয়। এই APIগুলি আপনাকে সর্বোচ্চ স্তরের নির্ভুলতা দিতে Google Cloud মেশিন লার্নিং প্রযুক্তির শক্তিকে কাজে লাগায়৷

ক্লাউড বনাম ডিভাইসে

Firebase ML API রয়েছে যা ক্লাউডে বা ডিভাইসে কাজ করে। যখন আমরা একটি ML API কে ক্লাউড API বা অন-ডিভাইস API হিসাবে বর্ণনা করি, তখন আমরা বর্ণনা করি কোন মেশিনটি অনুমান সম্পাদন করে : অর্থাৎ, কোন মেশিনটি আপনার প্রদান করা ডেটা সম্পর্কে অন্তর্দৃষ্টি আবিষ্কার করতে ML মডেল ব্যবহার করে। Firebase ML এ, এটি হয় Google Cloud বা আপনার ব্যবহারকারীদের মোবাইল ডিভাইসে ঘটে।

পাঠ্য শনাক্তকরণ, চিত্র লেবেলিং, এবং ল্যান্ডমার্ক স্বীকৃতি API গুলি ক্লাউডে অনুমান সম্পাদন করে। এই মডেলগুলির একটি তুলনীয় অন-ডিভাইস মডেলের তুলনায় তাদের কাছে বেশি কম্পিউটেশনাল শক্তি এবং মেমরি উপলব্ধ রয়েছে এবং ফলস্বরূপ, একটি অন-ডিভাইস মডেলের তুলনায় অধিক নির্ভুলতা এবং নির্ভুলতার সাথে অনুমান করতে পারে। অন্যদিকে, এই API-গুলির প্রতিটি অনুরোধের জন্য একটি নেটওয়ার্ক রাউন্ড-ট্রিপ প্রয়োজন, যা তাদের রিয়েল-টাইম এবং ভিডিও প্রক্রিয়াকরণের মতো কম-বিলম্বিত অ্যাপ্লিকেশনগুলির জন্য অনুপযুক্ত করে তোলে।

কাস্টম মডেল APIগুলি এমএল মডেলগুলির সাথে ডিল করে যা ডিভাইসে চলে৷ এই বৈশিষ্ট্যগুলির দ্বারা ব্যবহৃত এবং উত্পাদিত মডেলগুলি হল TensorFlow Lite মডেল, যা মোবাইল ডিভাইসে চালানোর জন্য অপ্টিমাইজ করা হয়েছে৷ এই মডেলগুলির সবচেয়ে বড় সুবিধা হল যে তাদের নেটওয়ার্ক সংযোগের প্রয়োজন হয় না এবং খুব দ্রুত-পর্যাপ্ত দ্রুত চলতে পারে, উদাহরণস্বরূপ, রিয়েল টাইমে ভিডিওর ফ্রেমগুলি প্রক্রিয়া করার জন্য।

Firebase ML আমাদের সার্ভারে আপলোড করে আপনার ব্যবহারকারীদের ডিভাইসে কাস্টম মডেল স্থাপন করার ক্ষমতা প্রদান করে। আপনার ফায়ারবেস-সক্ষম অ্যাপ চাহিদা অনুযায়ী ডিভাইসে মডেলটি ডাউনলোড করবে। এটি আপনাকে আপনার অ্যাপের প্রাথমিক ইনস্টলের আকার ছোট রাখতে দেয় এবং আপনি আপনার অ্যাপটি পুনঃপ্রকাশ না করেই এমএল মডেল অদলবদল করতে পারেন।

এমএল কিট: ডিভাইসে ব্যবহার করার জন্য প্রস্তুত মডেল

আপনি যদি ডিভাইসে চালিত প্রাক-প্রশিক্ষিত মডেলগুলি খুঁজছেন, তাহলে ML Kit দেখুন। ML Kit iOS এবং Android এর জন্য উপলব্ধ, এবং অনেক ব্যবহারের ক্ষেত্রে API আছে:

  • পাঠ্য স্বীকৃতি
  • ইমেজ লেবেলিং
  • বস্তু সনাক্তকরণ এবং ট্র্যাকিং
  • মুখ সনাক্তকরণ এবং কনট্যুর ট্রেসিং
  • বারকোড স্ক্যানিং
  • ভাষা শনাক্তকরণ
  • অনুবাদ
  • স্মার্ট উত্তর

পরবর্তী পদক্ষেপ