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

Apprentissage automatique Firebase

Utilisez l'apprentissage automatique dans vos applications pour résoudre des problèmes réels.

Firebase Machine Learning est un SDK mobile qui apporte l'expertise de Google en matière d'apprentissage automatique aux applications Android et Apple dans un package puissant mais facile à utiliser. Que vous soyez novice ou expérimenté en machine learning, vous pouvez implémenter les fonctionnalités dont vous avez besoin en quelques lignes de code seulement. Il n'est pas nécessaire d'avoir une connaissance approfondie des réseaux de neurones ou de l'optimisation des modèles pour commencer. D'autre part, si vous êtes un développeur ML expérimenté, Firebase ML fournit des API pratiques qui vous aident à utiliser vos modèles TensorFlow Lite personnalisés dans vos applications mobiles.

Capacités clés

Héberger et déployer des modèles personnalisés

Utilisez vos propres modèles TensorFlow Lite pour l'inférence sur l'appareil. Déployez simplement votre modèle sur Firebase, et nous nous occuperons de l'héberger et de le diffuser dans votre application. Firebase servira dynamiquement la dernière version du modèle à vos utilisateurs, vous permettant de les mettre à jour régulièrement sans avoir à pousser une nouvelle version de votre application aux utilisateurs.

Lorsque vous utilisez Firebase ML avec Remote Config , vous pouvez servir différents modèles à différents segments d'utilisateurs, et avec les tests A/B , vous pouvez effectuer des expériences pour trouver le modèle le plus performant (voir les guides Apple et Android ).

Former automatiquement les modèles

Avec Firebase ML et AutoML Vision Edge, vous pouvez facilement entraîner vos propres modèles d'étiquetage d'images TensorFlow Lite, que vous pouvez utiliser dans votre application pour reconnaître des concepts dans des photographies. Importez des données d'entraînement (vos propres images et libellés) et AutoML Vision Edge les utilisera pour entraîner un modèle personnalisé dans le cloud.

Prêt pour la production pour les cas d'utilisation courants

Firebase ML est fourni avec un ensemble d'API prêtes à l'emploi pour les cas d'utilisation mobiles courants : reconnaissance de texte, étiquetage d'images et identification de points de repère. Transmettez simplement les données à la bibliothèque Firebase ML et elle vous fournira les informations dont vous avez besoin. Ces API tirent parti de la puissance de la technologie d'apprentissage automatique de Google Cloud pour vous offrir le plus haut niveau de précision.

Cloud vs sur appareil

Firebase ML dispose d'API qui fonctionnent soit dans le cloud, soit sur l'appareil. Lorsque nous décrivons une API ML comme étant une API cloud ou une API sur appareil, nous décrivons quelle machine effectue l'inférence : c'est-à-dire quelle machine utilise le modèle ML pour découvrir des informations sur les données que vous lui fournissez. Dans Firebase ML, cela se produit soit sur Google Cloud, soit sur les appareils mobiles de vos utilisateurs.

Les API de reconnaissance de texte, d'étiquetage d'images et de reconnaissance de points de repère effectuent des inférences dans le cloud. Ces modèles disposent de plus de puissance de calcul et de mémoire qu'un modèle sur appareil comparable et, par conséquent, peuvent effectuer des inférences avec une précision et une exactitude supérieures à celles d'un modèle sur appareil. D'autre part, chaque requête adressée à ces API nécessite un aller-retour réseau, ce qui les rend inadaptées aux applications en temps réel et à faible latence telles que le traitement vidéo.

Les API de modèles personnalisés et AutoML Vision Edge traitent des modèles de ML qui s'exécutent sur l'appareil. Les modèles utilisés et produits par ces fonctionnalités sont des modèles TensorFlow Lite , qui sont optimisés pour fonctionner sur des appareils mobiles. Le principal avantage de ces modèles est qu'ils ne nécessitent pas de connexion réseau et peuvent fonctionner très rapidement, suffisamment rapidement, par exemple, pour traiter des images vidéo en temps réel.

Firebase ML fournit deux fonctionnalités clés autour des modèles personnalisés sur l'appareil :

  • Déploiement de modèles personnalisés : déployez des modèles personnalisés sur les appareils de vos utilisateurs en les téléchargeant sur nos serveurs. Votre application compatible Firebase téléchargera le modèle sur l'appareil à la demande. Cela vous permet de limiter la taille d'installation initiale de votre application et vous pouvez échanger le modèle ML sans avoir à republier votre application.

  • AutoML Vision Edge : ce service vous aide à créer vos propres modèles de classification d'images personnalisés sur l'appareil avec une interface Web facile à utiliser. Ensuite, vous pouvez héberger de manière transparente les modèles que vous créez avec le service mentionné ci-dessus.

Kit ML : modèles prêts à l'emploi sur l'appareil

Si vous recherchez des modèles pré-formés qui s'exécutent sur l'appareil, consultez ML Kit . ML Kit est disponible pour iOS et Android, et dispose d'API pour de nombreux cas d'utilisation :

  • Reconnaissance de texte
  • Étiquetage des images
  • Détection et suivi d'objets
  • Détection de visage et traçage de contour
  • Lecture de code-barres
  • Identification de la langue
  • Traduction
  • Réponse intelligente

Prochaines étapes