Firebase Machine Learning

在應用程式中使用機器學習技術來解決實際問題。

Firebase 機器學習這個行動 SDK 功能強大且簡單易用,可將 Google 的機器學習專業知識導入 Android 和 Apple 應用程式。無論您是機器學習新手或老手,只需幾行程式碼就能實作所需的功能。無需具備類神經網路或模型最佳化的深入瞭解,即可開始使用。另一方面,如果您是經驗豐富的機器學習開發人員,Firebase ML 提供便利的 API,可協助您在行動應用程式中使用自訂的 TensorFlow Lite 模型。

主要功能

託管及部署自訂模型

使用自己的 TensorFlow Lite 模型在裝置端執行推論。只要將模型部署至 Firebase,Google 就會負責代管模型並提供給您的應用程式。Firebase 會透過動態的方式,將最新版的模型提供給使用者,讓您定期更新模型,而無須向使用者推送新版應用程式。

搭配使用 Firebase ML 與 遠端設定時,您可以向不同使用者區隔提供不同的模型,並透過 A/B 測試功能進行實驗,找出成效最佳的模型 (請參閱 AppleAndroid 指南)。

可立即運用於常見用途的實際工作環境

Firebase ML 隨附一組立即可用的 API,可用於辨識文字、為圖片加上標籤及辨識地標。只要將資料傳入 Firebase 機器學習程式庫,即可為您提供所需資訊。這些 API 運用 Google Cloud 機器學習技術的強大功能,提供最高準確率。

雲端與裝置端

Firebase ML 有能在雲端或裝置上運作的 API。當我們將 ML API 描述為雲端 API 或裝置端 API 時,我們會說明「哪個機器會執行推論」,也就是哪個機器會使用機器學習模型,從您提供的資料發掘相關深入分析資訊。在 Firebase ML 中,這項作業會在 Google Cloud 或使用者的行動裝置上發生。

文字辨識、圖片標籤和地標辨識 API 會在雲端執行推論。與類似裝置端模型相比,這些模型可用的運算能力和記憶體更多,因此執行推論時,精確度和精確度會高於裝置端模型。另一方面,對這些 API 的每個要求都需要網路往返,因此不適合即時且低延遲的應用程式,例如影片處理。

自訂模型 API 會處理裝置上執行的機器學習模型。這些功能使用及產生的模型是 TensorFlow Lite 模型,經過最佳化調整,適合在行動裝置上執行。這類模型的最大優點是不需要網路連線,而且執行速度非常快,例如能即時處理影片影格。

Firebase ML 可將自訂模型上傳至我們的伺服器,藉此將自訂模型部署至使用者裝置。啟用 Firebase 的應用程式會隨選將模型下載至裝置。這可讓您縮減應用程式的初始安裝大小,而且不必重新發布應用程式即可更換機器學習模型。

ML Kit:立即可用的裝置端模型

如要尋找在裝置上執行的預先訓練模型,請查看 ML Kit。ML Kit 適用於 iOS 和 Android,且提供適用於多種用途的 API:

  • 文字辨識
  • 圖片標籤
  • 物件偵測和追蹤
  • 臉部偵測和輪廓追蹤
  • 條碼掃描
  • 語言識別
  • 翻譯
  • 智慧回覆

後續步驟