Firebase Machine Learning

असल दुनिया की समस्याओं को हल करने के लिए, अपने ऐप्लिकेशन में मशीन लर्निंग का इस्तेमाल करें.

Firebase Machine Learning एक मोबाइल SDK टूल है. यह Google की मशीन लर्निंग की विशेषज्ञता को Android और Apple के ऐप्लिकेशन में लाता है. यह एक ऐसा पैकेज है जो इस्तेमाल करने में आसान होने के साथ-साथ बहुत कारगर भी है. चाहे आपने मशीन लर्निंग का इस्तेमाल अभी शुरू किया हो या आपको इसका अनुभव हो, आपको जिस सुविधा की ज़रूरत है उसे कोड की कुछ ही लाइनों में लागू किया जा सकता है. इसे इस्तेमाल करने के लिए, आपको न्यूरल नेटवर्क या मॉडल ऑप्टिमाइज़ेशन के बारे में ज़्यादा जानकारी होने की ज़रूरत नहीं है. दूसरी ओर, अगर आप एमएल के अनुभवी डेवलपर हैं, तो Firebase ML आपको ऐसे एपीआई उपलब्ध कराता है जिनका इस्तेमाल करके, अपने मोबाइल ऐप्लिकेशन में कस्टम TensorFlow Lite मॉडल इस्तेमाल किए जा सकते हैं.

मुख्य सुविधाएं

कस्टम मॉडल होस्ट और डिप्लॉय करना

डिवाइस पर इन्फ़रेंस के लिए, अपने TensorFlow Lite मॉडल इस्तेमाल करें. अपने मॉडल को Firebase पर डिप्लॉय करें. हम इसे आपके ऐप्लिकेशन पर पेश और होस्ट करने का ध्यान रखेंगे. Firebase, आपके उपयोगकर्ताओं को मॉडल का नया वर्शन डाइनैमिक तरीके से उपलब्ध कराएगा. इससे आपको उपयोगकर्ताओं को ऐप्लिकेशन का नया वर्शन पुश किए बिना, मॉडल को नियमित रूप से अपडेट करने की सुविधा मिलेगी.

Remote Config के साथ Firebase ML का इस्तेमाल करने पर, अलग-अलग उपयोगकर्ता सेगमेंट को अलग-अलग मॉडल दिखाए जा सकते हैं. साथ ही, A/B Testing की मदद से, सबसे अच्छा परफ़ॉर्म करने वाला मॉडल ढूंढने के लिए एक्सपेरिमेंट किए जा सकते हैं. इसके लिए, Apple और Android की गाइड देखें.
इस्तेमाल के सामान्य उदाहरणों में प्रोडक्शन के लिए तैयार

Firebase ML में, मोबाइल के सामान्य इस्तेमाल के मामलों के लिए, इस्तेमाल में आसान एपीआई का एक सेट होता है. जैसे: टेक्स्ट की पहचान करना, इमेज को लेबल करना, और लैंडमार्क की पहचान करना. Firebase ML लाइब्रेरी में डेटा पास करें. इसके बाद, यह आपको ज़रूरी जानकारी देगी. ये एपीआई, Google Cloud की मशीन लर्निंग टेक्नोलॉजी का इस्तेमाल करके, आपको सबसे सटीक नतीजे देते हैं.

क्लाउड बनाम डिवाइस पर

Firebase ML में ऐसे एपीआई होते हैं जो क्लाउड या डिवाइस पर काम करते हैं. जब हम किसी एमएल एपीआई को क्लाउड एपीआई या डिवाइस पर मौजूद एपीआई के तौर पर बताते हैं, तो हम यह बताते हैं कि कौनसी मशीन अनुमान लगाती है. इसका मतलब है कि कौनसी मशीन, एमएल मॉडल का इस्तेमाल करके, आपके दिए गए डेटा के बारे में अहम जानकारी ढूंढती है. Firebase ML में, ऐसा Google Cloud पर या आपके उपयोगकर्ताओं के मोबाइल डिवाइसों पर होता है.

टेक्स्ट की पहचान करने, इमेज लेबल करने, और लैंडमार्क की पहचान करने वाले एपीआई, क्लाउड में अनुमान लगाते हैं. इन मॉडल में, डिवाइस पर मौजूद मॉडल की तुलना में ज़्यादा कंप्यूटेशनल पावर और मेमोरी होती है. इसलिए, ये डिवाइस पर मौजूद मॉडल की तुलना में ज़्यादा सटीक और सटीक अनुमान लगा सकते हैं. दूसरी ओर, इन एपीआई को हर अनुरोध के लिए नेटवर्क राउंड-ट्रिप की ज़रूरत होती है. इसलिए, ये रीयल-टाइम और कम समय में होने वाले ऐप्लिकेशन के लिए सही नहीं हैं. जैसे, वीडियो प्रोसेसिंग.

कस्टम मॉडल एपीआई, डिवाइस पर चलने वाले एमएल मॉडल के साथ काम करते हैं. इन सुविधाओं में इस्तेमाल किए जाने वाले और इनसे जनरेट होने वाले मॉडल, TensorFlow Lite मॉडल होते हैं. इन्हें मोबाइल डिवाइसों पर काम करने के लिए ऑप्टिमाइज़ किया जाता है. इन मॉडल का सबसे बड़ा फ़ायदा यह है कि इन्हें नेटवर्क कनेक्शन की ज़रूरत नहीं होती. साथ ही, ये बहुत तेज़ी से काम करते हैं. उदाहरण के लिए, ये इतनी तेज़ी से काम करते हैं कि वीडियो के फ़्रेम को रीयल टाइम में प्रोसेस कर सकते हैं.

Firebase ML की मदद से, अपने उपयोगकर्ताओं के डिवाइसों पर कस्टम मॉडल डिप्लॉय किए जा सकते हैं. इसके लिए, आपको उन्हें हमारे सर्वर पर अपलोड करना होगा. Firebase की सुविधा वाला आपका ऐप्लिकेशन, मांग होने पर डिवाइस पर मॉडल डाउनलोड करेगा. इससे आपको अपने ऐप्लिकेशन का शुरुआती इंस्टॉल साइज़ कम रखने में मदद मिलती है. साथ ही, ऐप्लिकेशन को फिर से पब्लिश किए बिना एमएल मॉडल को बदला जा सकता है.

ML Kit: डिवाइस पर इस्तेमाल के लिए तैयार मॉडल

अगर आपको डिवाइस पर चलने वाले पहले से ट्रेन किए गए मॉडल चाहिए, तो ML Kit देखें. ML Kit, iOS और Android के लिए उपलब्ध है. इसमें कई तरह के कामों के लिए एपीआई मौजूद हैं:

  • टेक्स्ट की पहचान करने की सुविधा
  • इमेज को लेबल करना
  • ऑब्जेक्ट का पता लगाने और उसे ट्रैक करने की सुविधा
  • चेहरे की पहचान करना और उसके चारों ओर लाइन खींचना
  • बारकोड स्कैन करना
  • भाषा की पहचान करना
  • अनुवाद
  • स्मार्ट जवाब

अगले चरण