获取我们在 Firebase 峰会上发布的所有信息,了解 Firebase 可如何帮助您加快应用开发速度并满怀信心地运行应用。了解详情

Firebase 机器学习

在您的应用程序中使用机器学习来解决现实世界中的问题。

Firebase Machine Learning 是一款移动 SDK,它通过功能强大且易于使用的软件包将 Google 的机器学习专业知识引入到 Android 和 Apple 应用程序中。无论您是机器学习的新手还是经验丰富的机器学习,您都可以通过几行代码实现所需的功能。无需深入了解神经网络或模型优化即可上手。另一方面,如果您是经验丰富的 ML 开发人员,Firebase ML 提供了方便的 API,可帮助您在移动应用程序中使用自定义 TensorFlow Lite 模型。

关键能力

托管和部署自定义模型

使用您自己的 TensorFlow Lite 模型进行设备推理。只需将您的模型部署到 Firebase,我们就会负责托管并将其提供给您的应用。 Firebase 会动态地为您的用户提供最新版本的模型,让您可以定期更新它们,而无需向用户推送新版本的应用程序。

当您将 Firebase ML 与Remote Config结合使用时,您可以为不同的用户群提供不同的模型,并且通过A/B 测试,您可以运行实验以找到性能最佳的模型(请参阅AppleAndroid指南)。

可用于常见用例的生产

Firebase ML 附带一组适用于常见移动用例的即用型 API:识别文本、标记图像和识别地标。只需将数据传递给 Firebase ML 库,它就会为您提供所需的信息。这些 API 利用 Google Cloud 机器学习技术的强大功能为您提供最高级别的准确性。

云与设备上

Firebase ML 具有可在云端或设备上运行的 API。当我们将 ML API 描述为云 API 或设备上 API 时,我们是在描述哪台机器执行推理:也就是说,哪台机器使用 ML 模型来发现有关您提供的数据的见解。在 Firebase ML 中,这发生在 Google Cloud 或您用户的移动设备上。

文本识别、图像标记和地标识别 API 在云端执行推理。与同类设备上的模型相比,这些模型具有更多的计算能力和可用内存,因此,与设备上的模型相比,它们可以以更高的准确性和精度执行推理。另一方面,对这些 API 的每个请求都需要网络往返,这使得它们不适合实时和低延迟的应用程序,例如视频处理。

自定义模型 API 处理在设备上运行的 ML 模型。这些功能使用和生成的模型是TensorFlow Lite模型,经过优化可在移动设备上运行。这些模型的最大优势是它们不需要网络连接并且可以非常快速地运行——足够快,例如,可以实时处理视频帧。

Firebase ML 通过将自定义模型上传到我们的服务器来提供将自定义模型部署到用户设备的能力。您的支持 Firebase 的应用程序将按需将模型下载到设备。这使您可以将应用程序的初始安装大小保持在较小的水平,并且您可以更换 ML 模型而无需重新发布您的应用程序。

机器学习套件:即用型设备端模型

如果您正在寻找在设备上运行的预训练模型,请查看ML Kit 。 ML Kit 适用于 iOS 和 Android,并具有适用于许多用例的 API:

  • 文字识别
  • 图片标注
  • 物体检测和跟踪
  • 人脸检测和轮廓追踪
  • 条码扫描
  • 语言识别
  • 翻译
  • 智能回复

下一步