फायरबेस मशीन लर्निंग

वास्तविक दुनिया की समस्याओं को हल करने के लिए अपने ऐप्स में मशीन लर्निंग का उपयोग करें।

फायरबेस मशीन लर्निंग एक मोबाइल एसडीके है जो Google की मशीन लर्निंग विशेषज्ञता को एक शक्तिशाली लेकिन उपयोग में आसान पैकेज में एंड्रॉइड और ऐप्पल ऐप्स पर लाता है। चाहे आप मशीन लर्निंग में नए हों या अनुभवी हों, आप कोड की कुछ ही पंक्तियों में अपनी आवश्यक कार्यक्षमता लागू कर सकते हैं। आरंभ करने के लिए तंत्रिका नेटवर्क या मॉडल अनुकूलन का गहन ज्ञान होना आवश्यक नहीं है। दूसरी ओर, यदि आप एक अनुभवी एमएल डेवलपर हैं, तो फायरबेस एमएल सुविधाजनक एपीआई प्रदान करता है जो आपके मोबाइल ऐप्स में आपके कस्टम टेन्सरफ्लो लाइट मॉडल का उपयोग करने में आपकी सहायता करता है।

प्रमुख क्षमताएं

कस्टम मॉडल होस्ट और तैनात करें

ऑन-डिवाइस अनुमान के लिए अपने स्वयं के TensorFlow Lite मॉडल का उपयोग करें। बस अपने मॉडल को फायरबेस पर तैनात करें, और हम इसे आपके ऐप पर होस्ट करने और परोसने का ध्यान रखेंगे। फायरबेस गतिशील रूप से आपके उपयोगकर्ताओं को मॉडल का नवीनतम संस्करण प्रदान करेगा, जिससे आप उपयोगकर्ताओं को अपने ऐप का नया संस्करण भेजे बिना उन्हें नियमित रूप से अपडेट कर सकेंगे।

जब आप रिमोट कॉन्फिग के साथ फायरबेस एमएल का उपयोग करते हैं, तो आप अलग-अलग उपयोगकर्ता खंडों के लिए अलग-अलग मॉडल पेश कर सकते हैं, और ए/बी परीक्षण के साथ, आप सबसे अच्छा प्रदर्शन करने वाले मॉडल को खोजने के लिए प्रयोग चला सकते हैं ( एप्पल और एंड्रॉइड गाइड देखें)।

सामान्य उपयोग के मामलों के लिए उत्पादन-तैयार

फायरबेस एमएल सामान्य मोबाइल उपयोग के मामलों के लिए उपयोग में आसान एपीआई के एक सेट के साथ आता है: पाठ को पहचानना, छवियों को लेबल करना और स्थलों की पहचान करना। बस फायरबेस एमएल लाइब्रेरी में डेटा पास करें और यह आपको आवश्यक जानकारी देगा। ये एपीआई आपको उच्चतम स्तर की सटीकता प्रदान करने के लिए Google क्लाउड की मशीन लर्निंग तकनीक की शक्ति का लाभ उठाते हैं।

क्लाउड बनाम ऑन-डिवाइस

फायरबेस एमएल में एपीआई हैं जो क्लाउड या डिवाइस पर काम करते हैं। जब हम एक एमएल एपीआई को क्लाउड एपीआई या ऑन-डिवाइस एपीआई के रूप में वर्णित करते हैं, तो हम वर्णन कर रहे हैं कि कौन सी मशीन अनुमान लगाती है : यानी, कौन सी मशीन आपके द्वारा प्रदान किए गए डेटा के बारे में अंतर्दृष्टि खोजने के लिए एमएल मॉडल का उपयोग करती है। फायरबेस एमएल में, यह या तो Google क्लाउड पर, या आपके उपयोगकर्ताओं के मोबाइल उपकरणों पर होता है।

टेक्स्ट पहचान, छवि लेबलिंग और ऐतिहासिक पहचान एपीआई क्लाउड में अनुमान लगाते हैं। इन मॉडलों में तुलनीय ऑन-डिवाइस मॉडल की तुलना में अधिक कम्प्यूटेशनल शक्ति और मेमोरी उपलब्ध है, और परिणामस्वरूप, ऑन-डिवाइस मॉडल की तुलना में अधिक सटीकता और परिशुद्धता के साथ अनुमान लगा सकते हैं। दूसरी ओर, इन एपीआई के प्रत्येक अनुरोध के लिए नेटवर्क राउंड-ट्रिप की आवश्यकता होती है, जो उन्हें वास्तविक समय और वीडियो प्रोसेसिंग जैसे कम-विलंबता अनुप्रयोगों के लिए अनुपयुक्त बनाता है।

कस्टम मॉडल एपीआई डिवाइस पर चलने वाले एमएल मॉडल से निपटते हैं। इन सुविधाओं द्वारा उपयोग और निर्मित मॉडल टेन्सरफ्लो लाइट मॉडल हैं, जो मोबाइल उपकरणों पर चलने के लिए अनुकूलित हैं। इन मॉडलों का सबसे बड़ा लाभ यह है कि उन्हें नेटवर्क कनेक्शन की आवश्यकता नहीं होती है और वे बहुत तेजी से चल सकते हैं - उदाहरण के लिए, वास्तविक समय में वीडियो के फ्रेम को संसाधित करने के लिए पर्याप्त तेज़।

फायरबेस एमएल आपके उपयोगकर्ताओं के उपकरणों को हमारे सर्वर पर अपलोड करके कस्टम मॉडल तैनात करने की क्षमता प्रदान करता है। आपका फायरबेस-सक्षम ऐप मांग पर मॉडल को डिवाइस पर डाउनलोड करेगा। यह आपको अपने ऐप के प्रारंभिक इंस्टॉल आकार को छोटा रखने की अनुमति देता है, और आप अपने ऐप को पुनः प्रकाशित किए बिना एमएल मॉडल को स्वैप कर सकते हैं।

एमएल किट: डिवाइस पर उपयोग के लिए तैयार मॉडल

यदि आप डिवाइस पर चलने वाले पूर्व-प्रशिक्षित मॉडल की तलाश में हैं, तो एमएल किट देखें। एमएल किट आईओएस और एंड्रॉइड के लिए उपलब्ध है, और इसमें कई उपयोग मामलों के लिए एपीआई हैं:

  • पाठ पहचान
  • छवि लेबलिंग
  • वस्तु का पता लगाना और ट्रैकिंग करना
  • चेहरे का पता लगाना और समोच्च अनुरेखण
  • बारकोड स्कैनिंग
  • भाषा की पहचान
  • अनुवाद
  • स्मार्ट उत्तर

अगले कदम