了解 2023 年 Google I/O 大会上介绍的 Firebase 亮点。了解详情

Uczenie maszynowe Firebase

Korzystaj z uczenia maszynowego w swoich aplikacjach, aby rozwiązywać rzeczywiste problemy.

Firebase Machine Learning to pakiet SDK dla urządzeń mobilnych, który przenosi wiedzę Google na temat uczenia maszynowego do aplikacji na Androida i Apple w potężnym, ale łatwym w użyciu pakiecie. Niezależnie od tego, czy jesteś nowy, czy masz doświadczenie w uczeniu maszynowym, możesz zaimplementować potrzebne funkcje w zaledwie kilku wierszach kodu. Aby rozpocząć, nie trzeba mieć głębokiej wiedzy na temat sieci neuronowych ani optymalizacji modeli. Z drugiej strony, jeśli jesteś doświadczonym programistą ML, Firebase ML zapewnia wygodne interfejsy API, które pomagają używać niestandardowych modeli TensorFlow Lite w aplikacjach mobilnych.

Kluczowe możliwości

Hostuj i wdrażaj niestandardowe modele

Używaj własnych modeli TensorFlow Lite do wnioskowania na urządzeniu. Wystarczy wdrożyć swój model w Firebase, a my zajmiemy się hostingiem i udostępnianiem go w Twojej aplikacji. Firebase będzie dynamicznie udostępniać najnowszą wersję modelu Twoim użytkownikom, umożliwiając ich regularne aktualizowanie bez konieczności przesyłania użytkownikom nowej wersji aplikacji.

Gdy używasz Firebase ML ze Zdalną konfiguracją , możesz oferować różne modele różnym segmentom użytkowników, a dzięki testom A/B możesz przeprowadzać eksperymenty, aby znaleźć model o największej skuteczności (zobacz przewodniki dla Apple i Androida ).

Gotowy do produkcji dla typowych przypadków użycia

Firebase ML zawiera zestaw gotowych do użycia interfejsów API do typowych zastosowań mobilnych: rozpoznawanie tekstu, etykietowanie obrazów i identyfikowanie punktów orientacyjnych. Po prostu przekaż dane do biblioteki Firebase ML, a otrzymasz potrzebne informacje. Te interfejsy API wykorzystują moc technologii uczenia maszynowego Google Cloud, aby zapewnić najwyższy poziom dokładności.

Chmura vs. na urządzeniu

Firebase ML ma interfejsy API, które działają w chmurze lub na urządzeniu. Kiedy opisujemy interfejs API ML jako interfejs API w chmurze lub interfejs API na urządzeniu, opisujemy, która maszyna przeprowadza wnioskowanie : to znaczy, która maszyna używa modelu ML do odkrywania wglądu w dane, które jej dostarczasz. W Firebase ML dzieje się to albo w Google Cloud, albo na urządzeniach mobilnych użytkowników.

Interfejsy API rozpoznawania tekstu, etykietowania obrazów i rozpoznawania punktów orientacyjnych wykonują wnioskowanie w chmurze. Modele te mają dostępną większą moc obliczeniową i pamięć niż porównywalny model na urządzeniu, w wyniku czego mogą przeprowadzać wnioskowanie z większą dokładnością i precyzją niż model na urządzeniu. Z drugiej strony każde żądanie kierowane do tych interfejsów API wymaga podróży w obie strony przez sieć, co sprawia, że ​​nie nadają się one do zastosowań działających w czasie rzeczywistym i charakteryzujących się niskimi opóźnieniami, takich jak przetwarzanie wideo.

Niestandardowe interfejsy API modelu obsługują modele ML działające na urządzeniu. Modele używane i tworzone przez te funkcje to modele TensorFlow Lite , które są zoptymalizowane do działania na urządzeniach mobilnych. Największą zaletą tych modeli jest to, że nie wymagają połączenia sieciowego i mogą działać bardzo szybko — na tyle szybko, aby na przykład przetwarzać klatki wideo w czasie rzeczywistym.

Firebase ML umożliwia wdrażanie niestandardowych modeli na urządzeniach użytkowników poprzez przesyłanie ich na nasze serwery. Twoja aplikacja obsługująca Firebase pobierze model na urządzenie na żądanie. Dzięki temu możesz zachować mały rozmiar początkowej instalacji aplikacji i możesz zamienić model ML bez konieczności ponownego publikowania aplikacji.

Zestaw ML: gotowe do użycia modele na urządzeniu

Jeśli szukasz wstępnie przeszkolonych modeli, które działają na urządzeniu, sprawdź zestaw ML . Zestaw ML Kit jest dostępny dla systemów iOS i Android oraz zawiera interfejsy API do wielu zastosowań:

  • Rozpoznawanie tekstu
  • Etykietowanie obrazu
  • Wykrywanie i śledzenie obiektów
  • Wykrywanie twarzy i śledzenie konturów
  • Skanowanie kodów kreskowych
  • Identyfikacja języka
  • Tłumaczenie
  • Inteligentna odpowiedź

Następne kroki