Ta strona została przetłumaczona przez Cloud Translation API.
Switch to English

Uczenie

Korzystaj z uczenia maszynowego w swoich aplikacjach, aby rozwiązywać rzeczywiste problemy.

Firebase Machine Learning to mobilny pakiet SDK, który przenosi wiedzę Google z zakresu uczenia maszynowego do aplikacji na Androida i iOS w potężnym, ale łatwym w użyciu pakiecie. Niezależnie od tego, czy jesteś nowy, czy masz doświadczenie w uczeniu maszynowym, możesz zaimplementować potrzebną funkcjonalność w zaledwie kilku wierszach kodu. Nie ma potrzeby posiadania głębokiej wiedzy na temat sieci neuronowych lub optymalizacji modelu, aby rozpocząć. Z drugiej strony, jeśli jesteś doświadczonym programistą ML, Firebase ML zapewnia wygodne interfejsy API, które pomagają używać niestandardowych modeli TensorFlow Lite w aplikacjach mobilnych.

Kluczowe możliwości

Hostuj i wdrażaj modele niestandardowe

Użyj własnych modeli TensorFlow Lite do wnioskowania na urządzeniu. Wystarczy wdrożyć model w Firebase, a my zajmiemy się hostowaniem i udostępnianiem go w Twojej aplikacji. Firebase będzie dynamicznie udostępniać użytkownikom najnowszą wersję modelu, umożliwiając regularne aktualizowanie ich bez konieczności wysyłania użytkownikom nowej wersji aplikacji.

Podczas korzystania z Firebase ML Remote Config można obsługiwać różne modele do różnych segmentów użytkowników oraz z A / B Testing , można uruchomić eksperymenty, aby znaleźć najlepszy model wykonywania (patrz iOS i Android przewodników).

Automatyczne trenowanie modeli

Dzięki Firebase ML i AutoML Vision Edge możesz łatwo trenować własne modele etykietowania obrazów TensorFlow Lite, których możesz używać w swojej aplikacji do rozpoznawania pojęć na zdjęciach. Prześlij dane treningowe - własne obrazy i etykiety - a AutoML Vision Edge użyje ich do wytrenowania niestandardowego modelu w chmurze.

Gotowy do produkcji do typowych zastosowań

Firebase ML zawiera zestaw gotowych do użycia interfejsów API do typowych zastosowań mobilnych: rozpoznawanie tekstu, etykietowanie obrazów i identyfikowanie punktów orientacyjnych. Wystarczy przekazać dane do biblioteki Firebase ML, aby uzyskać potrzebne informacje. Te interfejsy API wykorzystują możliwości technologii uczenia maszynowego Google Cloud Platform, aby zapewnić najwyższy poziom dokładności.

Chmura a na urządzeniu

Firebase ML ma interfejsy API, które działają w chmurze lub na urządzeniu. Kiedy opisujemy interfejs ML API jako interfejs API w chmurze lub interfejs API na urządzeniu, opisujemy, która maszyna wykonuje wnioskowanie : to znaczy, która maszyna korzysta z modelu ML, aby uzyskać wgląd w dane, które mu podajesz. W Firebase ML dzieje się to w Google Cloud lub na urządzeniach mobilnych użytkowników.

Interfejsy API rozpoznawania tekstu, etykietowania obrazów i rozpoznawania punktów orientacyjnych wykonują wnioskowanie w chmurze. Modele te mają dostępną większą moc obliczeniową i pamięć niż porównywalny model na urządzeniu, dzięki czemu mogą przeprowadzać wnioskowanie z większą dokładnością i precyzją niż model na urządzeniu. Z drugiej strony każde żądanie do tych interfejsów API wymaga połączenia sieciowego w obie strony, co czyni je nieodpowiednimi dla aplikacji czasu rzeczywistego i aplikacji o małych opóźnieniach, takich jak przetwarzanie wideo.

Interfejsy API modeli niestandardowych i AutoML Vision Edge obsługują modele ML działające na urządzeniu. Modele używane i produkowane przez te funkcje to modele TensorFlow Lite , które są zoptymalizowane do działania na urządzeniach mobilnych. Największą zaletą tych modeli jest to, że nie wymagają połączenia sieciowego i mogą działać bardzo szybko - na przykład wystarczająco szybko, aby przetwarzać klatki wideo w czasie rzeczywistym.

Firebase ML zapewnia dwie kluczowe funkcje związane z modelami niestandardowymi na urządzeniu:

  • Zwyczaj wdrożenie modelu: modele niestandardowe wdrożenia na urządzeniach użytkowników ładując je do naszych serwerów. Twoja aplikacja obsługująca Firebase pobierze model na urządzenie na żądanie. Pozwala to zachować niewielki początkowy rozmiar instalacji aplikacji i można zamienić model ML bez konieczności ponownego publikowania aplikacji.

  • AutoML Vision Edge : ta usługa pomaga tworzyć własne niestandardowe modele klasyfikacji obrazów na urządzeniu za pomocą łatwego w użyciu interfejsu internetowego. Następnie możesz bezproblemowo hostować utworzone modele za pomocą wspomnianej powyżej usługi.

Zestaw ML: gotowe do użycia modele na urządzeniu

Jeśli szukasz wstępnie wytrenowanych modeli, które działają na urządzeniu, sprawdź ML Kit . ML Kit jest dostępny dla systemów iOS i Android i ma interfejsy API do wielu zastosowań:

  • Rozpoznawanie tekstu
  • Etykietowanie obrazów
  • Wykrywanie i śledzenie obiektów
  • Wykrywanie twarzy i śledzenie konturów
  • Skanowanie kodów kreskowych
  • Identyfikacja języka
  • Tłumaczenie
  • Inteligentna odpowiedź

Następne kroki