Firebase Machine Learning

Nutzen Sie maschinelles Lernen in Ihren Apps, um reale Probleme zu lösen.

Firebase Machine Learning ist ein mobiles SDK, mit dem Sie die Technologie für das maschinelle Lernen von Google in einem leistungsstarken und dennoch benutzerfreundlichen Paket einfach auf Android- und Apple-Apps anwenden können. Ganz gleich, ob Sie neu im Bereich des maschinellen Lernens sind oder bereits Erfahrung damit haben, können Sie die benötigte Funktionalität mit nur wenigen Codezeilen implementieren. Sie benötigen keine umfassenden Kenntnisse über neuronale Netze oder Modelloptimierung, um loszulegen. Wenn Sie hingegen ein erfahrener ML-Entwickler sind, bietet Firebase ML praktische APIs, mit denen Sie Ihre benutzerdefinierten TensorFlow Lite-Modelle in Ihren mobilen Apps verwenden können.

Hauptmerkmale

Benutzerdefinierte Modelle hosten und bereitstellen

Eigene TensorFlow Lite-Modelle für die Inferenz auf dem Gerät verwenden Stellen Sie Ihr Modell einfach in Firebase bereit. Wir kümmern uns um das Hosting und die Bereitstellung für Ihre App. Firebase stellt Ihren Nutzern dynamisch die neueste Version des Modells zur Verfügung. So können Sie es regelmäßig aktualisieren, ohne eine neue Version Ihrer App für Nutzer bereitstellen zu müssen.

Wenn Sie Firebase ML mit Remote Config verwenden, können Sie verschiedenen Nutzersegmenten unterschiedliche Modelle bereitstellen. Mit A/B Testing können Sie Tests durchführen, um das leistungsstärkste Modell zu ermitteln (siehe die Anleitungen für Apple und Android).
Für gängige Anwendungsfälle produktionsreif

Firebase ML bietet eine Reihe von sofort einsatzbereiten APIs für gängige mobile Anwendungsfälle: Texterkennung, Bildkennzeichnung und Identifizierung von Sehenswürdigkeiten. Sie müssen nur Daten an die Firebase ML-Bibliothek übergeben und erhalten dann die benötigten Informationen. Diese APIs nutzen die Leistungsfähigkeit der Google Cloud-Technologie für maschinelles Lernen, um Ihnen ein Höchstmaß an Genauigkeit zu bieten.

Cloud vs. On-Device

Firebase ML bietet APIs, die entweder in der Cloud oder auf dem Gerät funktionieren. Wenn wir eine ML API als Cloud-API oder On-Device-API bezeichnen, beschreiben wir, auf welchem Gerät die Inferenz ausgeführt wird. Das heißt, auf welchem Gerät das ML-Modell verwendet wird, um Erkenntnisse aus den von Ihnen bereitgestellten Daten zu gewinnen. In Firebase ML geschieht dies entweder auf Google Cloud oder auf den Mobilgeräten Ihrer Nutzer.

Die APIs für Texterkennung, Bildkennzeichnung und Landmarkenerkennung führen die Inferenz in der Cloud aus. Diese Modelle haben mehr Rechenleistung und Arbeitsspeicher zur Verfügung als ein vergleichbares On-Device-Modell und können daher Inferenz mit höherer Genauigkeit und Präzision durchführen. Andererseits erfordert jede Anfrage an diese APIs einen Netzwerk-Roundtrip, was sie für Echtzeit- und Low-Latency-Anwendungen wie die Videoverarbeitung ungeeignet macht.

Die APIs für benutzerdefinierte Modelle beziehen sich auf ML-Modelle, die auf dem Gerät ausgeführt werden. Die von diesen Funktionen verwendeten und erstellten Modelle sind TensorFlow Lite-Modelle, die für die Ausführung auf Mobilgeräten optimiert sind. Der größte Vorteil dieser Modelle ist, dass sie keine Netzwerkverbindung benötigen und sehr schnell ausgeführt werden können – schnell genug, um beispielsweise Videoframes in Echtzeit zu verarbeiten.

Mit Firebase ML können Sie benutzerdefinierte Modelle auf den Geräten Ihrer Nutzer bereitstellen, indem Sie sie auf unsere Server hochladen. Ihre Firebase-fähige App lädt das Modell bei Bedarf auf das Gerät herunter. So können Sie die ursprüngliche Installationsgröße Ihrer App gering halten und das ML-Modell austauschen, ohne Ihre App neu veröffentlichen zu müssen.

ML Kit: Sofort einsatzbereite On-Device-Modelle

Wenn Sie nach vortrainierten Modellen suchen, die auf dem Gerät ausgeführt werden, sehen Sie sich ML Kit an. ML Kit ist für iOS und Android verfügbar und bietet APIs für viele Anwendungsfälle:

  • Texterkennung
  • Bildbeschriftung
  • Objekterkennung und -tracking
  • Gesichtserkennung und Konturverfolgung
  • Barcode-Scan
  • Spracherkennung
  • Übersetzung
  • Intelligente Antwort

Nächste Schritte