Firebase Machine Learning

Exploitez le machine learning dans vos applications pour résoudre des problèmes concrets.

Firebase Machine Learning est un SDK pour mobile qui permet d'utiliser de machine learning aux applications Android et Apple, dans un environnement à la fois puissant et simple d'utilisation. d'un package. Que vous débutiez ou que vous ayez de l'expérience en machine learning, vous pouvez d'implémenter la fonctionnalité dont vous avez besoin en seulement quelques lignes de code. Il n'y a aucun Vous devez avoir une connaissance approfondie des réseaux de neurones ou de l'optimisation de modèles pour commencer. En revanche, si vous êtes un développeur en ML expérimenté, Firebase ML fournit des API pratiques qui vous aident à utiliser vos Modèles TensorFlow Lite dans vos applications mobiles.

Capacités clés

Héberger et déployer des modèles personnalisés

Utilisez vos propres modèles TensorFlow Lite pour l'inférence sur l'appareil. Juste déployer votre modèle sur Firebase, et nous nous chargeons de l'hébergement les diffuser dans votre application. Firebase diffusera dynamiquement les dernières du modèle à vos utilisateurs, ce qui vous permet de mettre à jour sans avoir à publier une nouvelle version de votre application pour les utilisateurs.

Lorsque vous utilisez Firebase ML avec Remote Config, vous pouvez diffuser différents modèles auprès de différents utilisateurs et avec A/B Testing, vous vous pouvez effectuer des tests afin d'identifier le modèle le plus performant (consultez les Apple et Guides Android).
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 mobiles courants cas d'utilisation: reconnaître du texte, étiqueter des images et identifier des points de repère. Il vous suffit de transmettre les données à la bibliothèque Firebase ML pour obtenir les informations dont vous avez besoin. Ces API exploitent la puissance des API Google Cloud de machine learning pour vous offrir le plus haut niveau de précision.

Cloud ou sur appareil

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

Les API de reconnaissance de texte, d'étiquetage d'image et de reconnaissance de points de repère l'inférence dans le cloud. Ces modèles disposent de plus de puissance de calcul et de mémoire qu'un modèle comparable sur l'appareil. Ils peuvent donc effectuer des inférences avec une plus grande précision qu'un modèle sur l'appareil. D'un autre côté, chaque requête vers ces API nécessite un aller-retour réseau, Elles ne sont donc pas adaptées aux applications en temps réel et à faible latence telles que le traitement vidéo.

Les API de modèles personnalisés gèrent les modèles de ML qui s'exécutent sur appareil. Les modèles utilisés et produits par ces caractéristiques TensorFlow Lite, qui sont optimisés pour fonctionner sur les appareils mobiles. Le principal avantage de ces modèles qu'ils n'ont pas besoin d'une connexion réseau et qu'ils peuvent s'exécuter très rapidement, pour traiter les images d'une vidéo en temps réel.

Firebase ML fournit la possibilité de déployer des modèles personnalisés appareils par et les télécharger sur nos serveurs. Votre application compatible Firebase télécharge le sur l'appareil à la demande. Cela vous permet de conserver l'adresse e-mail initiale de votre application d'une taille d'installation réduite, et vous pouvez permuter les modèles de ML sans avoir à republier votre application.

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

Si vous recherchez des modèles pré-entraînés exécutés 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 optique de caractères
  • Ajout de libellés à des images
  • Détectez les objets et assurez leur suivi.
  • Détection de visages et traçage des contours
  • Lecture de codes-barres
  • Identification de la langue
  • Traduction
  • Réponse intelligente

Étapes suivantes