Машинное обучение Firebase

Используйте машинное обучение в своих приложениях для решения реальных проблем.

Firebase Machine Learning — это мобильный SDK, который объединяет опыт Google в области машинного обучения в приложениях Android и Apple в мощном, но простом в использовании пакете. Независимо от того, являетесь ли вы новичком или имеете опыт в машинном обучении, вы можете реализовать необходимую функциональность всего за несколько строк кода. Чтобы начать работу, не обязательно иметь глубокие знания в области нейронных сетей или оптимизации моделей. С другой стороны, если вы опытный разработчик машинного обучения, Firebase ML предоставляет удобные API, которые помогут вам использовать ваши собственные модели TensorFlow Lite в ваших мобильных приложениях.

Ключевые возможности

Размещение и развертывание пользовательских моделей

Используйте свои собственные модели TensorFlow Lite для вывода на устройстве. Просто разверните свою модель в Firebase, и мы позаботимся о ее хостинге и обслуживании в вашем приложении. Firebase будет динамически предоставлять вашим пользователям последнюю версию модели, что позволит вам регулярно обновлять их без необходимости предлагать пользователям новую версию вашего приложения.

Когда вы используете Firebase ML с Remote Config , вы можете предоставлять разные модели разным сегментам пользователей, а с помощью A/B-тестирования вы можете проводить эксперименты, чтобы найти наиболее эффективную модель (см. руководства для Apple и Android ).

Готовность к производству для распространенных случаев использования

Firebase ML поставляется с набором готовых к использованию API для распространенных случаев мобильного использования: распознавания текста, маркировки изображений и определения ориентиров. Просто передайте данные в библиотеку Firebase ML, и она предоставит вам необходимую информацию. Эти API используют возможности технологии машинного обучения Google Cloud, чтобы обеспечить высочайший уровень точности.

Облако или устройство на устройстве

Firebase ML имеет API, которые работают либо в облаке, либо на устройстве. Когда мы описываем API ML как облачный API или API на устройстве, мы описываем , какая машина выполняет логический вывод : то есть какая машина использует модель ML для получения информации о данных, которые вы ей предоставляете. В Firebase ML это происходит либо в Google Cloud, либо на мобильных устройствах ваших пользователей.

API-интерфейсы распознавания текста, маркировки изображений и распознавания ориентиров выполняют логические выводы в облаке. Эти модели обладают большей вычислительной мощностью и доступной памятью, чем сопоставимая модель на устройстве, и в результате могут выполнять логические выводы с большей точностью и точностью, чем модель на устройстве. С другой стороны, каждый запрос к этим API требует обратного прохождения по сети, что делает их непригодными для приложений реального времени и с малой задержкой, таких как обработка видео.

API пользовательских моделей работают с моделями машинного обучения, которые работают на устройстве. Модели, используемые и создаваемые с помощью этих функций, представляют собой модели TensorFlow Lite , оптимизированные для работы на мобильных устройствах. Самым большим преимуществом этих моделей является то, что они не требуют подключения к сети и могут работать очень быстро — например, достаточно быстро, чтобы обрабатывать кадры видео в реальном времени.

Firebase ML предоставляет возможность развертывать собственные модели на устройствах ваших пользователей, загружая их на наши серверы. Ваше приложение с поддержкой Firebase загрузит модель на устройство по требованию. Это позволяет вам сохранить небольшой первоначальный размер установки вашего приложения, и вы можете поменять модель ML без необходимости повторной публикации приложения.

ML Kit: готовые к использованию модели на устройстве.

Если вы ищете предварительно обученные модели, работающие на устройстве, воспользуйтесь ML Kit . ML Kit доступен для iOS и Android и имеет API для многих случаев использования:

  • Распознавание текста
  • Маркировка изображений
  • Обнаружение и отслеживание объектов
  • Распознавание лиц и отслеживание контуров
  • Сканирование штрих-кода
  • Идентификация языка
  • Перевод
  • Умный ответ

Следующие шаги