Google 致力于为黑人社区推动种族平等。查看具体举措

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 एंड्रॉइड और आईओएस ऐप में एक शक्तिशाली लेकिन उपयोग में आसान पैकेज में लाता है। चाहे आप मशीन सीखने में नए हों या अनुभवी हों, आप कोड की कुछ पंक्तियों में अपनी ज़रूरत की कार्यक्षमता को लागू कर सकते हैं। आरंभ करने के लिए तंत्रिका नेटवर्क या मॉडल अनुकूलन के गहन ज्ञान की आवश्यकता नहीं है। दूसरी ओर, यदि आप एक अनुभवी एमएल डेवलपर हैं, तो फायरबेस एमएल सुविधाजनक एपीआई प्रदान करता है जो आपके मोबाइल ऐप में आपके कस्टम टेंसरफ्लो लाइट मॉडल का उपयोग करने में आपकी सहायता करता है।

प्रमुख क्षमताएं

कस्टम मॉडल होस्ट और परिनियोजित करें

ऑन-डिवाइस अनुमान के लिए अपने स्वयं के TensorFlow Lite मॉडल का उपयोग करें। बस अपने मॉडल को Firebase पर परिनियोजित करें, और हम इसे आपके ऐप पर होस्ट करने और सेवा देने का ध्यान रखेंगे। Firebase आपके उपयोगकर्ताओं को मॉडल के नवीनतम संस्करण को गतिशील रूप से पेश करेगा, जिससे आप उपयोगकर्ताओं को अपने ऐप के नए संस्करण को पुश किए 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 सेगमेंट में अलग-अलग मॉडल पेश कर सकते हैं, और ए/बी टेस्टिंग के साथ , आप सबसे अच्छा प्रदर्शन करने वाले मॉडल को खोजने के लिए प्रयोग चला सकते हैं ( आईओएस और एंड्रॉइड गाइड देखें)।

मॉडल को स्वचालित रूप से प्रशिक्षित करें

Firebase ML और AutoML Vision Edge के साथ, आप आसानी से अपने स्वयं के TensorFlow Lite छवि लेबलिंग मॉडल को प्रशिक्षित कर सकते हैं, जिसका उपयोग आप अपने ऐप में तस्वीरों में अवधारणाओं को पहचानने के लिए कर सकते हैं। प्रशिक्षण डेटा अपलोड करें—आपकी अपनी छवियां और लेबल—और AutoML Vision Edge उनका उपयोग क्लाउड में एक कस्टम मॉडल को प्रशिक्षित करने के लिए करेगा।

आम उपयोग के मामलों के लिए उत्पादन के लिए तैयार

फायरबेस एमएल सामान्य मोबाइल उपयोग के मामलों के लिए उपयोग में आसान एपीआई के एक सेट के साथ आता है: टेक्स्ट को पहचानना, छवियों को लेबल करना और स्थलों की पहचान करना। बस डेटा को फायरबेस एमएल लाइब्रेरी में पास करें और यह आपको आवश्यक जानकारी देता है। 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 या तो क्लाउड में या डिवाइस पर काम करते हैं। जब हम किसी 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 करती है : यानी, कौन सी मशीन एमएल मॉडल का उपयोग आपके द्वारा प्रदान किए गए डेटा के बारे में अंतर्दृष्टि खोजने के लिए करती है। Firebase ML में, यह Google क्लाउड पर या आपके उपयोगकर्ताओं के मोबाइल उपकरणों पर होता है।

टेक्स्ट रिकग्निशन, इमेज लेबलिंग और लैंडमार्क रिकग्निशन एपीआई क्लाउड में इंट्रेंस करते हैं। इन मॉडलों में तुलनात्मक ऑन-डिवाइस मॉडल की तुलना में उनके लिए अधिक कम्प्यूटेशनल शक्ति और मेमोरी उपलब्ध है, और परिणामस्वरूप, ऑन-डिवाइस मॉडल की तुलना में अधिक सटीकता और सटीकता के साथ निष्कर्ष निकाल सकते हैं। दूसरी ओर, इन एपीआई के लिए प्रत्येक अनुरोध के लिए एक नेटवर्क राउंड-ट्रिप की आवश्यकता होती है, जो उन्हें वीडियो प्रोसेसिंग जैसे रीयल-टाइम और कम-विलंबता अनुप्रयोगों के लिए अनुपयुक्त बनाता है।

कस्टम मॉडल एपीआई और ऑटोएमएल विज़न एज डिवाइस पर चलने वाले एमएल मॉडल के साथ डील करते हैं। इन सुविधाओं द्वारा उपयोग और निर्मित मॉडल TensorFlow Lite मॉडल हैं, जिन्हें मोबाइल उपकरणों पर चलने के लिए अनुकूलित किया गया है। इन मॉडलों का सबसे बड़ा लाभ यह है कि उन्हें नेटवर्क कनेक्शन की आवश्यकता नहीं होती है और वे बहुत तेज़ी से चल सकते हैं—उदाहरण के लिए, वास्तविक समय में वीडियो के फ़्रेम को संसाधित करने के लिए पर्याप्त तेज़।

फायरबेस एमएल ऑन-डिवाइस कस्टम मॉडल के आसपास दो प्रमुख क्षमताएं प्रदान करता है:

  • कस्टम मॉडल परिनियोजन : कस्टम मॉडल को अपने उपयोगकर्ताओं के डिवाइस पर हमारे सर्वर पर अपलोड करके परिनियोजित करें। आपका फायरबेस-सक्षम ऐप मांग पर डिवाइस पर मॉडल डाउनलोड करेगा। यह आपको अपने ऐप के शुरुआती इंस्टॉल आकार को छोटा रखने की अनुमति देता है, और आप अपने ऐप को फिर से प्रकाशित किए बिना एमएल मॉडल को स्वैप कर सकते हैं।

  • AutoML Vision Edge : यह सेवा आपको उपयोग में आसान वेब इंटरफ़ेस के साथ अपने स्वयं के ऑन-डिवाइस कस्टम छवि वर्गीकरण मॉडल बनाने में मदद करती है। फिर, आप ऊपर बताई गई सेवा के साथ अपने द्वारा बनाए गए मॉडल को मूल रूप से होस्ट कर सकते हैं।

एमएल किट: उपयोग के लिए तैयार ऑन-डिवाइस मॉडल

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

  • पाठ पहचान
  • छवि लेबलिंग
  • वस्तु का पता लगाने और ट्रैकिंग
  • फेस डिटेक्शन और कंटूर ट्रेसिंग
  • बारकोड स्कैनिंग
  • भाषा की पहचान
  • अनुवाद
  • स्मार्ट उत्तर

अगला कदम