Firebase Machine Learning
在應用程式中使用機器學習技術來解決實際問題。
Firebase 機器學習這個行動 SDK 功能強大且簡單易用，可將 Google 的機器學習專業知識導入 Android 和 Apple 應用程式。無論您是機器學習新手或老手，只需幾行程式碼就能實作所需的功能。無需具備類神經網路或模型最佳化的深入瞭解，即可開始使用。另一方面，如果您是經驗豐富的機器學習開發人員，Firebase ML 提供便利的 API，可協助您在行動應用程式中使用自訂的 TensorFlow Lite 模型。
主要功能
| 託管及部署自訂模型 |
使用自己的 TensorFlow Lite 模型在裝置端執行推論。只要將模型部署至 Firebase，Google 就會負責代管模型並提供給您的應用程式。Firebase 會透過動態的方式，將最新版的模型提供給使用者，讓您定期更新模型，而無須向使用者推送新版應用程式。 搭配使用 Firebase ML 與 遠端設定時，您可以向不同使用者區隔提供不同的模型，並透過 A/B 測試功能進行實驗，找出成效最佳的模型 (請參閱 Apple 和 Android 指南)。 |
| 可立即運用於常見用途的實際工作環境 |
Firebase ML 隨附一組立即可用的 API，可用於辨識文字、為圖片加上標籤及辨識地標。只要將資料傳入 Firebase 機器學習程式庫，即可為您提供所需資訊。這些 API 運用 Google Cloud 機器學習技術的強大功能，提供最高準確率。 |
雲端與裝置端
Firebase ML 有能在雲端或裝置上運作的 API。當我們將 ML API 描述為雲端 API 或裝置端 API 時，我們會說明「哪個機器會執行推論」，也就是哪個機器會使用機器學習模型，從您提供的資料發掘相關深入分析資訊。在 Firebase ML 中，這項作業會在 Google Cloud 或使用者的行動裝置上發生。
文字辨識、圖片標籤和地標辨識 API 會在雲端執行推論。與類似裝置端模型相比，這些模型可用的運算能力和記憶體更多，因此執行推論時，精確度和精確度會高於裝置端模型。另一方面，對這些 API 的每個要求都需要網路往返，因此不適合即時且低延遲的應用程式，例如影片處理。
自訂模型 API 會處理裝置上執行的機器學習模型。這些功能使用及產生的模型是 TensorFlow Lite 模型，經過最佳化調整，適合在行動裝置上執行。這類模型的最大優點是不需要網路連線，而且執行速度非常快，例如能即時處理影片影格。
Firebase ML 可將自訂模型上傳至我們的伺服器，藉此將自訂模型部署至使用者裝置。啟用 Firebase 的應用程式會隨選將模型下載至裝置。這可讓您縮減應用程式的初始安裝大小，而且不必重新發布應用程式即可更換機器學習模型。
ML Kit：立即可用的裝置端模型
如要尋找在裝置上執行的預先訓練模型，請查看 ML Kit。ML Kit 適用於 iOS 和 Android，且提供適用於多種用途的 API：
- 文字辨識
- 圖片標籤
- 物件偵測和追蹤
- 臉部偵測和輪廓追蹤
- 條碼掃描
- 語言識別
- 翻譯
- 智慧回覆