アプリへの機械学習機能の追加
Firebase ML を使用してカスタムモデルのトレーニングとデプロイを行うことも、Cloud Vision API による手軽なソリューションを利用することもできます。
![Firebase ML のダイアグラム](https://firebase.google.cn/static/images/products/ml-kit/mlkit-1.png?authuser=1&hl=ja)
デバイス上で機能するカスタムモデルをデプロイ
既存の TensorFlow Lite モデルから着手する場合でも、また独自のモデルをトレーニングする場合であっても、Firebase ML によるモデルのデプロイを使用して、無線(OTA)でユーザーにモデルを配信できます。この方法では、モデルが必要な場合にのみデバイスにダウンロードされるので、当初のアプリのインストール サイズが小さくなります。また、複数のモデルを A/B テストしてそのパフォーマンスを評価できるほか、アプリ全体の再公開を必要とせずに、定期的にモデルを更新することもできます。Firebase コンソールにモデルをアップロードすれば、あとは Google がそのモデルのホストとアプリへの提供を担当します。また、必要に応じ、Firebase Admin SDK を使用して、ML 本番環境パイプラインまたは Colab ノートブックからモデルを直接デプロイすることもできます。
![AutoML Vision Edge](https://firebase.google.cn/static/images/products/ml-kit/mlkit-2.png?authuser=1&hl=ja)
独自の画像分類カスタムモデルをトレーニング
AutoML Vision Edge を使用すると、ニーズに適したカスタム画像分類モデルを容易に作成できます。たとえば、さまざまな種類の食品の識別や動物種の区別をアプリで実現できます。どのようなニーズであっても、Firebase コンソールにトレーニング データをアップロードすれば、Google の AutoML テクノロジーを使用してカスタムの TensorFlow Lite モデルを構築し、ユーザーのデバイス上でローカルで稼働できます。
![Firebase ML のアイコン](https://firebase.google.cn/static/images/products/ml-kit/mlkit-3.png?authuser=1&hl=ja)