تنظيم صفحاتك في مجموعات
يمكنك حفظ المحتوى وتصنيفه حسب إعداداتك المفضّلة.
Firebase Machine Learning
plat_iosplat_androidplat_flutter
استخدِم التعلم الآلي في تطبيقاتك لحلّ المشاكل الواقعية.
Firebase Machine Learning هي حزمة تطوير برامج (SDK) للأجهزة الجوّالة تتيح الاستفادة من خبرة Google في مجال تعلُّم الآلة في تطبيقات Android وApple، وذلك من خلال حزمة فعّالة وسهلة الاستخدام. سواء كنت مبتدئًا أو خبيرًا في مجال تعلُّم الآلة، يمكنك تنفيذ الوظائف التي تحتاج إليها ببضعة أسطر من الرموز البرمجية. لا تحتاج إلى معرفة معمّقة بالشبكات العصبية أو تحسين النماذج لبدء استخدام هذه الميزة. من ناحية أخرى، إذا كنت مطوّرًا ذا خبرة في تعلُّم الآلة، توفّر Firebase ML واجهات برمجة تطبيقات ملائمة تساعدك في استخدام نماذج TensorFlow Lite المخصّصة في تطبيقاتك على الأجهزة الجوّالة.
الإمكانات الرئيسية
استضافة النماذج المخصّصة ونشرها
استخدام نماذج TensorFlow Lite الخاصة بك للاستدلال على الجهاز ما عليك سوى نشر النموذج على Firebase، وسنتولّى استضافته وتقديمه إلى تطبيقك. ستعرض Firebase ديناميكيًا أحدث إصدار من النموذج للمستخدمين، ما يتيح لك تحديثه بانتظام بدون الحاجة إلى طرح إصدار جديد من تطبيقك للمستخدمين.
عند استخدام Firebase ML مع Remote Config، يمكنك عرض نماذج مختلفة لشرائح مختلفة من المستخدمين، وباستخدام A/B Testing، يمكنك إجراء تجارب للعثور على النموذج الأفضل أداءً (راجِع دليلَي Apple وAndroid).
جاهزة للاستخدام في حالات الاستخدام الشائعة
تتضمّن Firebase ML مجموعة من واجهات برمجة التطبيقات الجاهزة للاستخدام في حالات الاستخدام الشائعة على الأجهزة الجوّالة، مثل التعرّف على النصوص وتصنيف الصور وتحديد المعالم.
ما عليك سوى إدخال البيانات إلى مكتبة Firebase ML، وستقدّم لك المعلومات التي تحتاج إليها. تستفيد واجهات برمجة التطبيقات هذه من إمكانات تكنولوجيا تعلُّم الآلة في Google Cloud لتقديم أعلى مستوى من الدقة.
السحابة الإلكترونية مقابل الجهاز
تتضمّن Firebase ML واجهات برمجة تطبيقات تعمل إما في السحابة الإلكترونية أو على الجهاز.
عندما نصف إحدى واجهات برمجة التطبيقات الخاصة بتعلُّم الآلة بأنّها واجهة برمجة تطبيقات مستندة إلى السحابة الإلكترونية أو واجهة برمجة تطبيقات على الجهاز، فإنّنا نصف الجهاز الذي ينفّذ الاستنتاج، أي الجهاز الذي يستخدم نموذج تعلُّم الآلة لاكتشاف إحصاءات حول البيانات التي تقدّمها إليه. في Firebase ML،
يحدث ذلك إما على Google Cloud أو على الأجهزة الجوّالة للمستخدمين.
تنفّذ واجهات برمجة التطبيقات الخاصة بالتعرّف على النص وتصنيف الصور والتعرّف على المعالم عمليات الاستدلال في السحابة الإلكترونية. تتوفّر لهذه النماذج قدرة حوسبة وذاكرة أكبر
مقارنةً بنموذج مماثل على الجهاز، ونتيجةً لذلك، يمكنها
إجراء الاستدلال بدقة أكبر من نموذج على الجهاز.
من ناحية أخرى، يتطلّب كل طلب يتم إرساله إلى واجهات برمجة التطبيقات هذه رحلة ذهاب وعودة عبر الشبكة، ما يجعلها غير مناسبة للتطبيقات التي تتطلّب معالجة في الوقت الفعلي وبزمن انتقال منخفض، مثل معالجة الفيديو.
تتعامل واجهات برمجة التطبيقات الخاصة بالنماذج المخصّصة مع نماذج تعلُّم الآلة التي تعمل على الجهاز. إنّ النماذج المستخدَمة والناتجة عن هذه الميزات هي نماذج TensorFlow Lite، وهي نماذج تم تحسينها لتناسب الأجهزة الجوّالة. تتمثّل الميزة الأكبر لهذه النماذج في أنّها لا تتطلّب اتصالاً بالشبكة ويمكن تشغيلها بسرعة كبيرة، أي بسرعة كافية مثلاً لمعالجة إطارات الفيديو في الوقت الفعلي.
توفّر Firebase ML إمكانية نشر نماذج مخصّصة على أجهزة المستخدمين من خلال تحميلها إلى خوادمنا. سيقوم تطبيقك المفعَّل باستخدام Firebase بتنزيل النموذج إلى الجهاز عند الطلب. يتيح لك ذلك الحفاظ على صغر حجم التثبيت الأوّلي لتطبيقك، كما يمكنك استبدال نموذج تعلُّم الآلة بدون الحاجة إلى إعادة نشر تطبيقك.
ML Kit: نماذج جاهزة للاستخدام على الجهاز
إذا كنت تبحث عن نماذج مدرَّبة مسبقًا تعمل على الجهاز، يمكنك الاطّلاع على ML Kit. تتوفّر حزمة تعلُّم الآلة لنظامَي التشغيل iOS وAndroid، وتتضمّن واجهات برمجة تطبيقات للعديد من حالات الاستخدام:
تاريخ التعديل الأخير: 2025-08-23 (حسب التوقيت العالمي المتفَّق عليه)
[null,null,["تاريخ التعديل الأخير: 2025-08-23 (حسب التوقيت العالمي المتفَّق عليه)"],[],[],null,["# Firebase Machine Learning\n=========================\n\nplat_ios plat_android plat_flutter \nUse machine learning in your apps to solve real-world problems. \n\nFirebase Machine Learning is a mobile SDK that brings Google's machine\nlearning expertise to Android and Apple apps in a powerful yet easy-to-use\npackage. Whether you're new or experienced in machine learning, you can\nimplement the functionality you need in just a few lines of code. There's no\nneed to have deep knowledge of neural networks or model optimization to get\nstarted. On the other hand, if you are an experienced ML developer,\nFirebase ML provides convenient APIs that help you use your custom\nTensorFlow Lite models in your mobile apps.\n| This is a beta release of Firebase ML. This API might be changed in backward-incompatible ways and is not subject to any SLA or deprecation policy.\n\nKey capabilities\n----------------\n\n|---------------------------------------|--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|\n| Host and deploy custom models | Use your own TensorFlow Lite models for on-device inference. Just deploy your model to Firebase, and we'll take care of hosting and serving it to your app. Firebase will dynamically serve the latest version of the model to your users, allowing you to regularly update them without having to push a new version of your app to users. When you use Firebase ML with [Remote Config](/docs/remote-config), you can serve different models to different user segments, and with [A/B Testing](/docs/ab-testing), you can run experiments to find the best performing model (see the [Apple](/docs/ml/ios/ab-test-models) and [Android](/docs/ml/android/ab-test-models) guides). |\n| Production-ready for common use cases | Firebase ML comes with a set of ready-to-use APIs for common mobile use cases: recognizing text, labeling images, and identifying landmarks. Simply pass in data to the Firebase ML library and it gives you the information you need. These APIs leverage the power of Google Cloud's machine learning technology to give you the highest level of accuracy. |\n\nCloud vs. on-device\n-------------------\n\nFirebase ML has APIs that work either in the cloud or on the device.\nWhen we describe an ML API as being a cloud API or on-device API, we are\ndescribing *which machine performs inference* : that is, which machine uses the\nML model to discover insights about the data you provide it. In Firebase ML,\nthis happens either on Google Cloud, or on your users' mobile devices.\n\nThe text recognition, image labeling, and landmark recognition APIs perform\ninference in the cloud. These models have more computational power and memory\navailable to them than a comparable on-device model, and as a result, can\nperform inference with greater accuracy and precision than an on-device model.\nOn the other hand, every request to these APIs requires a network round-trip,\nwhich makes them unsuitable for real-time and low-latency applications such as\nvideo processing.\n\nThe custom model APIs deal with ML models that run on the\ndevice. The models used and produced by these features are\n[TensorFlow Lite](https://tensorflow.org/lite) models, which are\noptimized to run on mobile devices. The biggest advantage to these models is\nthat they don't require a network connection and can run very quickly---fast\nenough, for example, to process frames of video in real time.\n\nFirebase ML provides\nthe ability to deploy custom models to your users' devices by\nuploading them to our servers. Your Firebase-enabled app will download the\nmodel to the device on demand. This allows you to keep your app's initial\ninstall size small, and you can swap the ML model without having to republish\nyour app.\n\nML Kit: Ready-to-use on-device models\n-------------------------------------\n\n| On June 3, 2020, we started offering ML Kit's on-device APIs through a\n| [new\n| standalone SDK](https://developers.google.com/ml-kit).\n| Google Cloud APIs and custom model deployment will\n| continue to be available through Firebase Machine Learning.\n\nIf you're looking for pre-trained models that run on the device, check out\n[ML Kit](https://developers.google.com/ml-kit). ML Kit is available\nfor iOS and Android, and has APIs for many use cases:\n\n- Text recognition\n- Image labeling\n- Object detection and tracking\n- Face detection and contour tracing\n- Barcode scanning\n- Language identification\n- Translation\n- Smart Reply\n\nNext steps\n----------\n\n- Explore the ready-to-use APIs: [text recognition](/docs/ml/recognize-text), [image labeling](/docs/ml/label-images), and [landmark recognition](/docs/ml/recognize-landmarks).\n- Learn about using mobile-optimized [custom models](/docs/ml/use-custom-models) in your app."]]
