Check out what’s new from Firebase at Google I/O 2022. Learn more

Firebase 机器学习

在您的应用程序中使用机器学习来解决实际问题。

Firebase 机器学习是一个移动 SDK,它通过一个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 Android 和 Apple 应用程序。无论您是机器学习新手还是经验丰富的人,只需几行代码即可实现所需的功能。无需深入了解神经网络或模型优化即可开始使用。另一方面,如果您是一位经验丰富的 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,我们将负责托管并将其提供给您的应用程序。 Firebase 将动态地为您的用户提供模型的最新版本,让您可以定期更新它们,而无需将新版本的应用推送给用户。

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)。

自动训练模型

借助 Firebase ML 和 AutoML Vision Edge,您可以轻松训练自己的 TensorFlow Lite 图像标记模型,您可以在应用中使用这些模型来识别照片中的概念。上传训练数据(您自己的图像和标签),AutoML Vision Edge 将使用它们在云中训练自定义模型。

为常见用例做好生产准备

Firebase ML 附带一组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。只需将数据传递到 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 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 或用户的移动设备上。

文本识别、图像标记和地标识别 API 在云中执行推理。与类似的设备上模型相比,这些模型具有更多的计算能力和可用内存,因此可以以比设备上模型更高的准确度和精度执行推理。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 和 AutoML Vision Edge 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在于它们不需要网络连接并且运行速度非常快——例如,足以实时处理视频帧。

Firebase ML 围绕设备上的自定义模型提供了两项关键功能:

  • 自定义模型部署:通过将自定义模型上传到我们的服务器,将它们部署到用户的设备。您启用 Firebase 的应用会按需将模型下载到设备。这使您可以将应用的初始安装大小保持较小,并且您可以交换 ML 模型而无需重新发布您的应用。

  • AutoML Vision Edge :此服务可帮助您通过易于使用的 Web 界面创建自己的设备上自定义图像分类模型。然后,您可以无缝地托管您使用上述服务创建的模型。

机器学习套件:即用型设备模型

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
  • 图像标注
  • 目标检测和跟踪
  • 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