欢迎参加我们将于 2022 年 10 月 18 日举办的 Firebase 峰会(线上线下同时进行),了解 Firebase 如何帮助您加快应用开发速度、满怀信心地发布应用并在之后需要时轻松地扩大应用规模。立即报名

Uczenie maszynowe Firebase

Wykorzystaj uczenie maszynowe w swoich aplikacjach do rozwiązywania rzeczywistych problemów.

Uczenie maszynowe Firebase to mobilny pakiet SDK, który zapewnia wiedzę o uczeniu maszynowym Google w aplikacjach na Androida i Apple w potężnym, ale łatwym w użyciu pakiecie. Niezależnie od tego, czy jesteś nowicjuszem, 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

Użyj własnych modeli TensorFlow Lite do wnioskowania na urządzeniu. Po prostu wdróż swój model w Firebase, a my zajmiemy się hostingiem i udostępnianiem go w Twojej aplikacji. Firebase będzie dynamicznie udostępniać użytkownikom najnowszą wersję modelu, umożliwiając ich regularne aktualizowanie bez konieczności przekazywania użytkownikom nowej wersji aplikacji.

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

Automatycznie trenuj modele

Dzięki Firebase ML i AutoML Vision Edge możesz łatwo trenować własne modele etykietowania obrazów TensorFlow Lite, których możesz używać w swojej aplikacji do rozpoznawania pojęć na zdjęciach. Prześlij dane szkoleniowe — własne obrazy i etykiety — a AutoML Vision Edge użyje ich do trenowania niestandardowego modelu w chmurze.

Gotowy do produkcji dla typowych przypadków użycia

Firebase ML zawiera zestaw gotowych do użycia interfejsów API do typowych zastosowań mobilnych: rozpoznawania tekstu, etykietowania obrazów i identyfikowania 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 a na urządzeniu

Firebase ML ma interfejsy API, które działają w chmurze lub na urządzeniu. Kiedy opisujemy ML API jako chmurowy API lub na urządzeniu API, opisujemy, która maszyna wykonuje wnioskowanie , czyli która maszyna używa modelu ML do odkrywania wglądu w dane, które mu dostarczasz. W Firebase ML dzieje się to w Google Cloud lub na urządzeniach mobilnych użytkowników.

Interfejsy API rozpoznawania tekstu, etykietowania obrazów i rozpoznawania punktów orientacyjnych wykonują wnioskowanie w chmurze. Modele te mają większą moc obliczeniową i dostępną pamięć niż porównywalny model na urządzeniu, dzięki czemu mogą przeprowadzać wnioskowanie z większą dokładnością i precyzją niż model na urządzeniu. Z drugiej strony, każde żądanie do tych interfejsów API wymaga dwukierunkowej podróży sieciowej, co czyni je nieodpowiednimi dla aplikacji czasu rzeczywistego i małych opóźnień, takich jak przetwarzanie wideo.

Interfejsy API modeli niestandardowych i AutoML Vision Edge obsługują modele ML, które działają na urządzeniu. Modele używane i produkowane przez te funkcje to modele TensorFlow Lite , zoptymalizowane do działania na urządzeniach mobilnych. Największą zaletą tych modeli jest to, że nie wymagają połączenia sieciowego i mogą działać bardzo szybko — wystarczająco szybko, na przykład, aby przetwarzać klatki wideo w czasie rzeczywistym.

Firebase ML zapewnia dwie kluczowe funkcje związane z modelami niestandardowymi na urządzeniu:

  • Wdrażanie modeli niestandardowych : wdrażaj modele niestandardowe na urządzeniach użytkowników, przesyłając je 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.

  • AutoML Vision Edge : ta usługa pomaga tworzyć własne niestandardowe modele klasyfikacji obrazów na urządzeniu za pomocą łatwego w użyciu interfejsu internetowego. Następnie możesz bezproblemowo hostować tworzone modele za pomocą wspomnianej powyżej usługi.

Zestaw ML: gotowe do użycia modele na urządzeniu

Jeśli szukasz wstępnie wytrenowanych modeli, które działają na urządzeniu, zapoznaj się z zestawem ML Kit . ML Kit jest dostępny dla systemów iOS i Android i ma 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