Firebase Machine Learning

שימוש בלמידת מכונה באפליקציות שלכם כדי לפתור בעיות בעולם האמיתי.

‫Firebase Machine Learning הוא SDK לנייד שמביא את המומחיות של Google בתחום הלמידה מחישובים לאפליקציות ל-Android ולאפליקציות של אפל בחבילה עוצמתית ונוחה לשימוש. לא משנה אם אתם חדשים בתחום של למידת מכונה או מנוסים בו, אתם יכולים להטמיע את הפונקציונליות שאתם צריכים בכמה שורות קוד בלבד. לא צריך ידע מעמיק ברשתות נוירונים או באופטימיזציה של מודלים כדי להתחיל. מצד שני, אם אתם מפתחים מנוסים של למידת מכונה, Firebase ML מספקת ממשקי API נוחים שיעזרו לכם להשתמש במודלים מותאמים אישית של TensorFlow Lite באפליקציות לנייד.

יכולות עיקריות

אירוח ופריסה של מודלים בהתאמה אישית

שימוש במודלים של TensorFlow Lite משלכם להסקת מסקנות במכשיר. פשוט פורסים את המודל ב-Firebase, ואנחנו נדאג לאירוח שלו ולהצגה שלו באפליקציה. מערכת Firebase תציג למשתמשים באופן דינמי את הגרסה העדכנית של המודל, ותאפשר לכם לעדכן אותם באופן קבוע בלי שתצטרכו לשלוח למשתמשים גרסה חדשה של האפליקציה.

כשמשתמשים ב-Firebase ML עם Remote Config, אפשר להציג מודלים שונים לפלחי משתמשים שונים, וכשמשתמשים ב-A/B Testing, אפשר להריץ ניסויים כדי למצוא את המודל עם הביצועים הכי טובים (ראו את המדריכים ל-Apple ול-Android).
מוכן לשימוש בסביבת ייצור בתרחישים נפוצים

‫Firebase ML מגיע עם קבוצה של ממשקי API מוכנים לשימוש לתרחישי שימוש נפוצים בנייד: זיהוי טקסט, תיוג תמונות וזיהוי ציוני דרך. פשוט מעבירים נתונים לספרייה Firebase ML והיא מספקת את המידע שאתם צריכים. ממשקי ה-API האלה מתבססים על טכנולוגיית למידת המכונה של Google Cloud כדי לספק לכם את רמת הדיוק הגבוהה ביותר.

בענן לעומת במכשיר

Firebase ML כולל ממשקי API שפועלים בענן או במכשיר. כשמציינים שממשק API של ML הוא ממשק API בענן או ממשק API במכשיר, הכוונה היא למכונה שמבצעת את ההסקה, כלומר למכונה שמשתמשת במודל ה-ML כדי להפיק תובנות לגבי הנתונים שאתם מספקים לה. ב-Firebase ML, הפעולה הזו מתבצעת ב-Google Cloud או במכשירים הניידים של המשתמשים.

ממשקי ה-API לזיהוי טקסט, להוספת תוויות לתמונות ולזיהוי ציוני דרך מבצעים הסקה בענן. למודלים האלה יש יותר כוח חישובי וזיכרון זמינים מאשר למודל מקביל במכשיר, וכתוצאה מכך, הם יכולים לבצע הסקה ברמת דיוק גבוהה יותר מאשר מודל במכשיר. מצד שני, כל בקשה לממשקי ה-API האלה דורשת הלוך ושוב ברשת, ולכן הם לא מתאימים לאפליקציות בזמן אמת עם השהיה נמוכה, כמו עיבוד סרטונים.

ממשקי ה-API של המודלים בהתאמה אישית עוסקים במודלים של למידת מכונה שפועלים במכשיר. המודלים שבהם התכונות האלה משתמשות והמודלים שהן יוצרות הם מודלים של TensorFlow Lite, שעברו אופטימיזציה להפעלה במכשירים ניידים. היתרון הגדול ביותר של המודלים האלה הוא שהם לא דורשים חיבור לרשת ויכולים לפעול במהירות רבה – מהירה מספיק, למשל, כדי לעבד פריימים של סרטון בזמן אמת.

Firebase ML מאפשרת לפרוס מודלים בהתאמה אישית במכשירים של המשתמשים על ידי העלאה שלהם לשרתים שלנו. האפליקציה שלכם עם Firebase תוריד את המודל למכשיר לפי דרישה. כך אפשר לשמור על גודל התקנה ראשוני קטן של האפליקציה, ולהחליף את מודל ה-ML בלי לפרסם מחדש את האפליקציה.

‫ML Kit: מודלים מוכנים לשימוש במכשיר

אם אתם מחפשים מודלים שאומנו מראש ופועלים במכשיר, כדאי לעיין ב-ML Kit. ‫ML Kit זמין ל-iOS ול-Android, ויש לו ממשקי API להרבה תרחישי שימוש:

  • זיהוי טקסט
  • הוספת תוויות לתמונות
  • זיהוי ומעקב אחרי אובייקטים
  • זיהוי פנים ומעקב אחר קווי המתאר
  • סריקת ברקודים
  • זיהוי שפה
  • תרגום
  • תשובה מהירה

השלבים הבאים