Firebase Machine Learning

Используйте машинное обучение в своих приложениях для решения реальных проблем.

Firebase Machine Learning — это мобильный SDK, который позволяет использовать опыт Google в области машинного обучения в приложениях Android и Apple в мощном, но удобном пакете. Независимо от того, являетесь ли вы новичком или опытным специалистом в области машинного обучения, вы сможете реализовать необходимую функциональность всего несколькими строками кода. Для начала работы не требуются глубокие знания нейронных сетей или оптимизации моделей. С другой стороны, если вы опытный разработчик машинного обучения, Firebase ML предоставляет удобные API, которые помогут вам использовать собственные модели TensorFlow Lite в мобильных приложениях.

Ключевые возможности

Размещение и развертывание пользовательских моделей

Используйте собственные модели TensorFlow Lite для вывода данных на устройстве. Просто разверните свою модель в Firebase, и мы позаботимся о её размещении и предоставлении вашему приложению. Firebase будет динамически предоставлять вашим пользователям последнюю версию модели, позволяя вам регулярно обновлять её без необходимости отправлять им новую версию приложения.

При использовании Firebase ML с Remote Config вы можете предоставлять различные модели разным сегментам пользователей, а с помощью A/B Testing вы можете проводить эксперименты, чтобы найти наиболее эффективную модель (см. руководства Apple и Android ).

Готово к использованию в стандартных сценариях

Firebase ML поставляется с набором готовых API для распространённых мобильных приложений: распознавания текста, маркировки изображений и определения ориентиров. Просто передайте данные в библиотеку Firebase ML , и она предоставит вам необходимую информацию. Эти API используют возможности технологии машинного обучения Google Cloud для обеспечения высочайшего уровня точности.

Облако против устройства

Firebase ML предлагает API, работающие как в облаке, так и на устройстве. Когда мы описываем ML API как облачный или локальный, мы описываем, какая машина выполняет вывод : то есть какая машина использует модель ML для получения аналитической информации о предоставленных вами данных. В Firebase ML это происходит либо в Google Cloud , либо на мобильных устройствах ваших пользователей.

API распознавания текста, маркировки изображений и распознавания ориентиров выполняют вывод в облаке. Эти модели обладают большей вычислительной мощностью и объёмом памяти, чем сопоставимые модели, размещенные на устройстве, и, как следствие, могут выполнять вывод с большей точностью и достоверностью, чем аналогичные модели, размещенные на устройстве. С другой стороны, каждый запрос к этим API требует сетевого обмена данными, что делает их непригодными для приложений реального времени с малой задержкой, таких как обработка видео.

API пользовательских моделей работают с моделями машинного обучения, работающими на устройстве. Модели, используемые и создаваемые этими функциями, представляют собой модели TensorFlow Lite , оптимизированные для работы на мобильных устройствах. Главное преимущество этих моделей заключается в том, что они не требуют подключения к сети и могут работать очень быстро — достаточно быстро, например, для обработки кадров видео в реальном времени.

Firebase ML позволяет развёртывать пользовательские модели на устройствах ваших пользователей, загружая их на наши серверы. Ваше приложение с поддержкой Firebase будет загружать модель на устройство по запросу. Это позволяет сохранить небольшой размер исходного установочного файла приложения и позволяет заменять модель ML без необходимости повторной публикации приложения.

ML Kit: готовые к использованию модели на устройстве

Если вы ищете предварительно обученные модели, работающие на устройстве, обратите внимание на ML Kit . ML Kit доступен для iOS и Android и имеет API для множества вариантов использования:

  • Распознавание текста
  • Маркировка изображений
  • Обнаружение и отслеживание объектов
  • Распознавание лиц и отслеживание контуров
  • Сканирование штрих-кода
  • Идентификация языка
  • Перевод
  • Умный ответ

Следующие шаги