Firebase Machine Learning

Sử dụng công nghệ học máy trong các ứng dụng của bạn để giải quyết các vấn đề thực tế.

Firebase Machine Learning là một SDK di động mang chuyên môn về học máy của Google đến các ứng dụng Android và Apple trong một gói mạnh mẽ nhưng dễ sử dụng. Dù mới bắt đầu hay đã có kinh nghiệm về học máy, bạn đều có thể triển khai chức năng mình cần chỉ bằng vài dòng mã. Bạn không cần có kiến thức chuyên sâu về mạng nơ-ron hoặc tối ưu hoá mô hình để bắt đầu. Mặt khác, nếu bạn là một nhà phát triển học máy có kinh nghiệm, thì Firebase ML sẽ cung cấp các API thuận tiện giúp bạn sử dụng các mô hình TensorFlow Lite tuỳ chỉnh trong ứng dụng di động của mình.

Các chức năng chính

Lưu trữ và triển khai các mô hình tuỳ chỉnh

Sử dụng các mô hình TensorFlow Lite của riêng bạn để suy luận trên thiết bị. Bạn chỉ cần triển khai mô hình của mình lên Firebase, còn việc lưu trữ và phân phát mô hình đó cho ứng dụng của bạn sẽ do chúng tôi đảm nhiệm. Firebase sẽ tự động phân phát phiên bản mới nhất của mô hình cho người dùng, cho phép bạn thường xuyên cập nhật mô hình mà không cần phải gửi phiên bản mới của ứng dụng cho người dùng.

Khi sử dụng Firebase ML với Remote Config, bạn có thể phân phát các mô hình khác nhau cho các phân khúc người dùng khác nhau và với A/B Testing, bạn có thể chạy các thử nghiệm để tìm ra mô hình hoạt động hiệu quả nhất (xem hướng dẫn về Apple và Android).
Sẵn sàng sản xuất cho các trường hợp sử dụng phổ biến

Firebase ML đi kèm với một bộ API sẵn sàng sử dụng cho các trường hợp sử dụng phổ biến trên thiết bị di động: nhận dạng văn bản, gắn nhãn hình ảnh và xác định địa danh. Bạn chỉ cần truyền dữ liệu vào thư viện Firebase ML và thư viện này sẽ cung cấp cho bạn thông tin cần thiết. Các API này tận dụng sức mạnh của công nghệ học máy của Google Cloud để mang đến cho bạn độ chính xác cao nhất.

Đám mây so với trên thiết bị

Firebase ML có các API hoạt động trên đám mây hoặc trên thiết bị. Khi mô tả một API học máy là API trên đám mây hoặc API trên thiết bị, chúng tôi đang mô tả máy nào thực hiện suy luận: tức là máy nào sử dụng mô hình học máy để khám phá thông tin chi tiết về dữ liệu mà bạn cung cấp. Trong Firebase ML, điều này xảy ra trên Google Cloud hoặc trên thiết bị di động của người dùng.

Các API nhận dạng văn bản, gắn nhãn hình ảnh và nhận dạng địa danh thực hiện suy luận trên đám mây. Các mô hình này có nhiều sức mạnh tính toán và bộ nhớ hơn so với một mô hình tương đương trên thiết bị. Do đó, các mô hình này có thể thực hiện suy luận với độ chính xác cao hơn so với một mô hình trên thiết bị. Mặt khác, mọi yêu cầu đến các API này đều cần một chuyến khứ hồi qua mạng, điều này khiến chúng không phù hợp với các ứng dụng có độ trễ thấp và theo thời gian thực, chẳng hạn như xử lý video.

Các API mô hình tuỳ chỉnh xử lý các mô hình học máy chạy trên thiết bị. Các mô hình mà những tính năng này sử dụng và tạo ra là các mô hình TensorFlow Lite, được tối ưu hoá để chạy trên thiết bị di động. Ưu điểm lớn nhất của các mô hình này là chúng không cần có kết nối mạng và có thể chạy rất nhanh – đủ nhanh để xử lý các khung hình video theo thời gian thực.

Firebase ML cho phép triển khai các mô hình tuỳ chỉnh cho thiết bị của người dùng bằng cách tải các mô hình đó lên máy chủ của chúng tôi. Ứng dụng có tích hợp Firebase sẽ tải mô hình xuống thiết bị theo yêu cầu. Điều này giúp bạn giữ kích thước cài đặt ban đầu của ứng dụng ở mức nhỏ và bạn có thể hoán đổi mô hình học máy mà không cần phải xuất bản lại ứng dụng.

Bộ công cụ học máy: Các mô hình sẵn sàng sử dụng trên thiết bị

Nếu bạn đang tìm kiếm các mô hình được huấn luyện trước chạy trên thiết bị, hãy xem Bộ công cụ học máy. ML Kit có sẵn cho iOS và Android, đồng thời có các API cho nhiều trường hợp sử dụng:

  • Nhận dạng văn bản
  • Gắn nhãn hình ảnh
  • Phát hiện và theo dõi vật thể
  • Phát hiện khuôn mặt và theo dõi đường viền
  • Quét mã vạch
  • Nhận dạng ngôn ngữ
  • Bản dịch
  • Trả lời thông minh

Các bước tiếp theo