此页面由 Cloud Translation API 翻译。
Switch to English

Firebase机器学习

在您的应用中使用机器学习来解决实际问题。

Firebase Machine Learning是一个移动SDK,通过功能强大但易于使用的软件包将Google的机器学习专业知识引入Android和iOS应用程序。无论您是机器学习的新手还是经验丰富的人,都可以仅用几行代码即可实现所需的功能。无需具备深入的神经网络知识或模型优化知识即可上手。另一方面,如果您是经验丰富的ML开发人员,则Firebase ML提供便捷的API,可帮助您在移动应用中使用自定义的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模型进行设备上推理。只需将模型部署到Firebase,我们将负责托管并将其提供给您的应用。 Firebase将为用户动态提供模型的最新版本,从而使您可以定期更新它们,而不必向用户推送新版本的应用程序。

当您将Firebase ML与Remote Config一起使用时 ,可以为不同的用户细分提供不同的模型,并且通过A / B Testing可以运行实验以找到性能最佳的模型(请参阅iOSAndroid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图像标签模型,将其用于应用程序中以识别照片中的概念。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。

生产就绪,适用于常见用例

Firebase ML随附了一组针对常见移动用例的即用型API:识别文本,标记图像和标识地标。只需将数据传递到Firebase ML库,即可为您提供所需的信息。这些API利用Google Cloud Platform机器学习技术的强大功能为您提供最高的准确性。

云与设备

Firebase ML具有可在云中或设备上运行的API。当我们将ML API描述为云API或设备上API时,我们是在描述执行推理的机器 :即,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,图像标签和地标识别API在云中执行推理。与可比的设备上模型相比,这些模型具有更多的计算能力和可用内存,因此,与设备上模型相比,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,这使其不适用于实时和低延迟的应用程序,例如视频处理。

定制模型API和AutoML Vision Edge处理在设备上运行的ML模型。这些功能使用和产生的模型是TensorFlow Lite模型,这些模型经过优化可在移动设备上运行。这些模型的最大优点是它们不需要网络连接,并且可以非常快速地运行-例如,足够快以实时处理视频帧。

Firebase ML提供了围绕设备自定义模型的两项关键功能:

  • 自定义模型部署 :通过将自定义模型上传到我们的服务器,将其部署到用户的设备上。您启用了Firebase的应用程序将按需将模型下载到设备上。这使您可以减小应用程序的初始安装大小,并且可以交换ML模型,而无需重新发布应用程序。

  • AutoML Vision Edge :此服务可帮助您使用易于使用的Web界面创建设备上的自定义图像分类模型。然后,您可以使用上述服务无缝托管您创建的模型。

ML套件:即用型设备上模型

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,并且具有许多用例的API:

  • 文字识别
  • 图像标签
  • 目标检测与追踪
  • 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