获取我们在 Firebase 峰会上发布的所有信息,了解 Firebase 可如何帮助您加快应用开发速度并满怀信心地运行应用。了解详情

Aprendizaje automático de Firebase

Utilice el aprendizaje automático en sus aplicaciones para resolver problemas del mundo real.

Firebase Machine Learning es un SDK móvil que lleva la experiencia en aprendizaje automático de Google a las aplicaciones de Android y Apple en un paquete potente pero fácil de usar. Ya sea que sea nuevo o tenga experiencia en el aprendizaje automático, puede implementar la funcionalidad que necesita en solo unas pocas líneas de código. No es necesario tener un conocimiento profundo de las redes neuronales o la optimización de modelos para comenzar. Por otro lado, si es un desarrollador de ML experimentado, Firebase ML proporciona API convenientes que lo ayudan a usar sus modelos personalizados de TensorFlow Lite en sus aplicaciones móviles.

Capacidades clave

Aloje e implemente modelos personalizados

Usa tus propios modelos de TensorFlow Lite para la inferencia en el dispositivo. Solo implemente su modelo en Firebase y nosotros nos encargaremos de alojarlo y publicarlo en su aplicación. Firebase entregará dinámicamente la última versión del modelo a sus usuarios, lo que le permitirá actualizarlos regularmente sin tener que enviar una nueva versión de su aplicación a los usuarios.

Cuando usa Firebase ML con Remote Config , puede servir diferentes modelos a diferentes segmentos de usuarios, y con A/B Testing , puede realizar experimentos para encontrar el modelo con mejor rendimiento (consulte las guías de Apple y Android ).

Entrenar modelos automáticamente

Con Firebase ML y AutoML Vision Edge, puede entrenar fácilmente sus propios modelos de etiquetado de imágenes de TensorFlow Lite, que puede usar en su aplicación para reconocer conceptos en fotografías. Cargue datos de entrenamiento (sus propias imágenes y etiquetas) y AutoML Vision Edge los usará para entrenar un modelo personalizado en la nube.

Listo para producción para casos de uso comunes

Firebase ML viene con un conjunto de API listas para usar para casos de uso móvil comunes: reconocimiento de texto, etiquetado de imágenes e identificación de puntos de referencia. Simplemente pase los datos a la biblioteca de Firebase ML y obtendrá la información que necesita. Estas API aprovechan el poder de la tecnología de aprendizaje automático de Google Cloud para brindarle el más alto nivel de precisión.

Nube vs. dispositivo

Firebase ML tiene API que funcionan en la nube o en el dispositivo. Cuando describimos una API de ML como una API en la nube o una API en el dispositivo, describimos qué máquina realiza la inferencia : es decir, qué máquina usa el modelo de ML para descubrir información sobre los datos que le proporciona. En Firebase ML, esto sucede en Google Cloud o en los dispositivos móviles de sus usuarios.

Las API de reconocimiento de texto, etiquetado de imágenes y reconocimiento de puntos de referencia realizan inferencias en la nube. Estos modelos tienen más poder computacional y memoria disponible que un modelo comparable en el dispositivo y, como resultado, pueden realizar inferencias con mayor exactitud y precisión que un modelo en el dispositivo. Por otro lado, cada solicitud a estas API requiere un viaje de ida y vuelta en la red, lo que las hace inadecuadas para aplicaciones en tiempo real y de baja latencia, como el procesamiento de video.

Las API del modelo personalizado y AutoML Vision Edge se ocupan de los modelos ML que se ejecutan en el dispositivo. Los modelos usados ​​y producidos por estas funciones son modelos TensorFlow Lite , que están optimizados para ejecutarse en dispositivos móviles. La mayor ventaja de estos modelos es que no requieren una conexión de red y pueden ejecutarse muy rápido, lo suficientemente rápido, por ejemplo, para procesar cuadros de video en tiempo real.

Firebase ML ofrece dos funcionalidades clave en torno a los modelos personalizados en el dispositivo:

  • Implementación de modelos personalizados : implemente modelos personalizados en los dispositivos de sus usuarios cargándolos en nuestros servidores. Su aplicación habilitada para Firebase descargará el modelo al dispositivo a pedido. Esto le permite mantener pequeño el tamaño de instalación inicial de su aplicación y puede cambiar el modelo ML sin tener que volver a publicar su aplicación.

  • AutoML Vision Edge : este servicio lo ayuda a crear sus propios modelos de clasificación de imágenes personalizados en el dispositivo con una interfaz web fácil de usar. Luego, puede alojar sin problemas los modelos que crea con el servicio mencionado anteriormente.

Kit ML: modelos en el dispositivo listos para usar

Si está buscando modelos preentrenados que se ejecuten en el dispositivo, consulte ML Kit . ML Kit está disponible para iOS y Android, y tiene API para muchos casos de uso:

  • reconocimiento de texto
  • Etiquetado de imágenes
  • Detección y seguimiento de objetos
  • Detección de rostros y seguimiento de contornos
  • Escaneo de código de barras
  • Identificación de idioma
  • Traducción
  • Respuesta inteligente

Próximos pasos