Firebase Machine Learning

Используйте машинное обучение в своих приложениях для решения реальных проблем.

Firebase Machine Learning — это мобильный SDK, который объединяет опыт Google в области машинного обучения в приложениях Android и Apple в мощном, но простом в использовании пакете. Независимо от того, являетесь ли вы новичком или имеете опыт в области машинного обучения, вы можете реализовать необходимую функциональность всего за несколько строк кода. Чтобы начать работу, не обязательно иметь глубокие знания в области нейронных сетей или оптимизации моделей. С другой стороны, если вы опытный разработчик машинного обучения, Firebase ML предоставляет удобные API, которые помогут вам использовать ваши собственные модели TensorFlow Lite в ваших мобильных приложениях.

Ключевые возможности

Размещение и развертывание пользовательских моделей

Используйте свои собственные модели TensorFlow Lite для вывода на устройстве. Просто разверните свою модель в Firebase, и мы позаботимся о ее хостинге и обслуживании в вашем приложении. Firebase будет динамически предоставлять вашим пользователям последнюю версию модели, что позволит вам регулярно обновлять их без необходимости предлагать пользователям новую версию вашего приложения.

Когда вы используете Firebase ML с Remote Config , вы можете предоставлять разные модели разным сегментам пользователей, а с помощью A/B Testing вы можете проводить эксперименты, чтобы найти наиболее эффективную модель (см. руководства для Apple и Android ).

Готовность к производству для распространенных случаев использования

Firebase ML поставляется с набором готовых к использованию API для распространенных случаев мобильного использования: распознавания текста, маркировки изображений и определения ориентиров. Просто передайте данные в библиотеку Firebase ML , и она предоставит вам необходимую информацию. Эти API используют возможности технологии машинного обучения Google Cloud , чтобы обеспечить высочайший уровень точности.

Облако или устройство на устройстве

Firebase ML имеет API, которые работают либо в облаке, либо на устройстве. Когда мы описываем API ML как облачный API или API на устройстве, мы описываем , какая машина выполняет логический вывод : то есть какая машина использует модель ML для получения информации о данных, которые вы ей предоставляете. В Firebase ML это происходит либо в Google Cloud , либо на мобильных устройствах ваших пользователей.

API-интерфейсы распознавания текста, маркировки изображений и распознавания ориентиров выполняют логические выводы в облаке. Эти модели обладают большей вычислительной мощностью и доступной памятью, чем сопоставимая модель на устройстве, и в результате могут выполнять логические выводы с большей точностью и точностью, чем модель на устройстве. С другой стороны, каждый запрос к этим API требует обратного прохождения по сети, что делает их непригодными для приложений реального времени и с малой задержкой, таких как обработка видео.

API пользовательских моделей работают с моделями машинного обучения, которые работают на устройстве. Модели, используемые и создаваемые этими функциями, представляют собой модели TensorFlow Lite , оптимизированные для работы на мобильных устройствах. Самым большим преимуществом этих моделей является то, что они не требуют подключения к сети и могут работать очень быстро — например, достаточно быстро, чтобы обрабатывать кадры видео в реальном времени.

Firebase ML предоставляет возможность развертывать собственные модели на устройствах ваших пользователей, загружая их на наши серверы. Ваше приложение с поддержкой Firebase загрузит модель на устройство по требованию. Это позволяет сохранить небольшой первоначальный размер установки вашего приложения, и вы можете поменять модель машинного обучения без необходимости повторной публикации приложения.

ML Kit: готовые к использованию модели на устройстве.

Если вы ищете предварительно обученные модели, работающие на устройстве, воспользуйтесь ML Kit . ML Kit доступен для iOS и Android и имеет API для многих случаев использования:

  • Распознавание текста
  • Маркировка изображений
  • Обнаружение и отслеживание объектов
  • Распознавание лиц и отслеживание контуров
  • Сканирование штрих-кода
  • Идентификация языка
  • Перевод
  • Умный ответ

Следующие шаги