למידת מכונה של Firebase
השתמש בלמידה חישובית באפליקציות שלך כדי לפתור בעיות בעולם האמיתי.
Firebase Machine Learning הוא SDK לנייד שמביא את מומחיות הלמידה החישובית של גוגל לאפליקציות אנדרואיד ואפל בחבילה חזקה אך קלה לשימוש. בין אם אתה חדש או מנוסה בלמידת מכונה, אתה יכול ליישם את הפונקציונליות הדרושה לך בכמה שורות קוד בלבד. אין צורך בידע מעמיק ברשתות עצביות או באופטימיזציה של מודלים כדי להתחיל. מצד שני, אם אתה מפתח ML מנוסה, Firebase ML מספק ממשקי API נוחים שעוזרים לך להשתמש בדגמי TensorFlow Lite המותאמים אישית שלך באפליקציות לנייד שלך.
יכולות מפתח
ארח ופריסה מודלים מותאמים אישית | השתמש בדגמי TensorFlow Lite משלך להסקת מסקנות במכשיר. פשוט פרוס את המודל שלך ב-Firebase, ואנחנו נדאג לארח ולהגיש אותו לאפליקציה שלך. Firebase תגיש באופן דינמי את הגרסה העדכנית ביותר של המודל למשתמשים שלך, מה שיאפשר לך לעדכן אותם באופן קבוע מבלי שתצטרך לדחוף למשתמשים גרסה חדשה של האפליקציה שלך. כאשר אתה משתמש ב-Firebase ML עם Config מרחוק , אתה יכול להגיש מודלים שונים לפלחי משתמשים שונים, ובאמצעות A/B Testing , אתה יכול להריץ ניסויים כדי למצוא את הדגם בעל הביצועים הטובים ביותר (ראה את המדריכים של Apple ו- Android ). |
מוכן לייצור למקרי שימוש נפוצים | Firebase ML מגיע עם קבוצה של ממשקי API מוכנים לשימוש עבור מקרי שימוש נפוצים בנייד: זיהוי טקסט, תיוג תמונות וזיהוי ציוני דרך. כל שעליך לעשות הוא להעביר נתונים לספריית Firebase ML והיא תספק לך את המידע שאתה צריך. ממשקי API אלה ממנפים את העוצמה של טכנולוגיית למידת המכונה של Google Cloud כדי להעניק לך את רמת הדיוק הגבוהה ביותר. |
ענן לעומת במכשיר
ל-Firebase ML יש ממשקי API שעובדים בענן או במכשיר. כאשר אנו מתארים ML API כ-API בענן או API במכשיר, אנו מתארים איזו מכונה מבצעת הסקה : כלומר, איזו מכונה משתמשת במודל ה-ML כדי לגלות תובנות לגבי הנתונים שאתה מספק לה. ב-Firebase ML, זה קורה ב-Google Cloud או במכשירים הניידים של המשתמשים שלך.
ממשקי API לזיהוי טקסט, תיוג תמונה וזיהוי ציוני דרך מבצעים הסקה בענן. למודלים אלה יש יותר כוח חישוב וזיכרון זמינים עבורם מאשר מודל דומה במכשיר, וכתוצאה מכך, יכולים לבצע הסקה בדיוק ודיוק גבוהים יותר מאשר מודל במכשיר. מצד שני, כל בקשה לממשקי ה-API הללו מצריכה נסיעה הלוך ושוב ברשת, מה שהופך אותם ללא מתאימים ליישומים בזמן אמת ובזמן אחזור נמוך כמו עיבוד וידאו.
ממשקי API של מודלים מותאמים אישית עוסקים בדגמי ML הפועלים על המכשיר. הדגמים המשמשים ומיוצרים על ידי תכונות אלה הם דגמי TensorFlow Lite , המותאמים להפעלה במכשירים ניידים. היתרון הגדול ביותר של הדגמים הללו הוא שהם אינם דורשים חיבור לרשת ויכולים לפעול מהר מאוד - מספיק מהיר, למשל, כדי לעבד פריימים של וידאו בזמן אמת.
Firebase ML מספק את היכולת לפרוס מודלים מותאמים אישית למכשירים של המשתמשים שלך על ידי העלאתם לשרתים שלנו. האפליקציה התומכת ב-Firebase תוריד את הדגם למכשיר לפי דרישה. זה מאפשר לך לשמור על גודל ההתקנה הראשוני של האפליקציה שלך קטן, ותוכל להחליף את דגם ה-ML מבלי שתצטרך לפרסם מחדש את האפליקציה שלך.
ערכת ML: דגמים מוכנים לשימוש במכשיר
אם אתם מחפשים דגמים מאומנים מראש הפועלים על המכשיר, בדוק את ערכת ML . ערכת ML זמינה עבור iOS ואנדרואיד, ויש לה ממשקי API עבור מקרי שימוש רבים:
- זיהוי טקסט
- תיוג תמונה
- זיהוי ומעקב אחר אובייקטים
- זיהוי פנים ומעקב אחר קווי מתאר
- סריקת ברקוד
- זיהוי שפה
- תִרגוּם
- תשובה חכמה
הצעדים הבאים
- חקור את ממשקי ה-API המוכנים לשימוש: זיהוי טקסט , תיוג תמונה וזיהוי ציוני דרך .
- למד על שימוש במודלים מותאמים אישית מותאמים לנייד באפליקציה שלך.