Firebase Machine Learning
ใช้แมชชีนเลิร์นนิงในแอปเพื่อแก้ปัญหาในชีวิตจริง
Firebase Machine Learning เป็น SDK อุปกรณ์เคลื่อนที่ที่นำเครื่องของ Google ความเชี่ยวชาญในการเรียนรู้ไปยังแอป Android และ Apple ได้อย่างมีประสิทธิภาพและใช้งานง่าย ใหม่ ไม่ว่าคุณจะเป็นมือใหม่หรือมีประสบการณ์ด้านแมชชีนเลิร์นนิง คุณก็สามารถ ใช้ฟังก์ชันที่คุณต้องการในโค��ดเพียงไม่กี่บรรทัด ไม่มี ต้องมีความรู้เชิงลึกเกี่ยวกับโครงข่ายระบบประสาทเทียมหรือการเพิ่มประสิทธิภาพโมเดล เลย ในทางกลับกัน หากคุณเป็นนักพัฒนา ML ที่มีประสบการณ์ Firebase ML มี API ที่สะดวกซึ่งจะช่วยให้คุณใช้โมเดล TensorFlow Lite ที่กําหนดเองในแอปบนอุปกรณ์เคลื่อนที่ได้
ความสามารถที่สำคัญ
โฮสต์และติดตั้งใช้งานโมเดลที่กำหนดเอง |
ใช้โมเดล TensorFlow Lite ของคุณเองสำหรับการอนุมานบนอุปกรณ์ เพียงแค่ ทำให้โมเดลของคุณใช้งานได้ใน Firebase และเราจะดูแลโฮสติ้ง แสดงวิดีโอนั้นในแอป Firebase จะแสดงเวอร์ชันล่าสุดแบบไดนามิก ของโมเดลให้แก่ผู้ใช้ของคุณ เพื่อให้คุณทำการอัปเดต โดยไม่ต้องส่งแอปเวอร์ชันใหม่ให้กับผู้ใช้ เมื่อคุณใช้ Firebase ML กับ Remote Config คุณสามารถให้บริการรูปแบบต่างๆ แก่ผู้ใช้รายต่างๆ ได้ และเมื่อใช้ A/B Testing คุณจะ สามารถเรียกใช้การทดสอบเพื่อค้นหาโมเดลที่มีประสิทธิภาพดีที่สุด (โปรดดู Apple และ คู่มือ Android) |
พร้อมใช้งานจริงสำหรับกรณีการใช้งานทั่วไป |
Firebase ML มาพร้อมกับชุด API ที่พร้อมใช้งานสำหรับอุปกรณ์เคลื่อนที่ทั่วไป Use Case: การจดจำข้อความ การติดป้ายกำกับรูปภาพ และการระบุจุดสังเกต เพียงส่งผ่านข้อมูลไปยังไลบรารี Firebase ML และคุณจะได้รับ ข้อมูลที่คุณต้องการ API เหล่านี้ใช้ประโยชน์จากความสามารถของ Google Cloud ที่จะมอบความแม่นยำสูงสุดแก่คุณ |
ระบบคลาวด์เทียบกับในอุปกรณ์
Firebase ML มี API ที่ทำงานในระบบคลาวด์หรือในอุปกรณ์ เมื่อเราอธิบาย ML API ว่าเป็น API บนระบบคลาวด์หรือ API ในอุปกรณ์ เรากําลังอธิบายเครื่องใดที่ทําการอนุมาน กล่าวคือ เครื่องใดใช้โมเดล ML เพื่อค้นหาข้อมูลเชิงลึกเกี่ยวกับข้อมูลที่คุณให้ไว้ ในอีก Firebase ML เหตุการณ์นี้จะเกิดขึ้นใน Google Cloud หรือใน อุปกรณ์เคลื่อนที่
API การจดจําข้อความ การติดป้ายกํากับรูปภาพ และการจดจําจุดสังเกตจะดําเนินการอนุมานในระบบคลาวด์ โมเดลเหล่านี้มีหน่วยความจําและความสามารถในการประมวลผลมากกว่าโมเดลในอุปกรณ์ที่เปรียบเทียบได้ จึงสามารถทําการอนุมานได้อย่างแม่นยําและเที่ยงตรงกว่าโมเดลในอุปกรณ์ ในทางกลับกัน คําขอ API เหล่านี้ทุกรายการต้องใช้การรับส่งข้อมูลแบบไปกลับของเครือข่าย ซึ่งทําให้ไม่เหมาะกับแอปพลิเคชันแบบเรียลไทม์และเวลาในการตอบสนองต่ำ เช่น การประมวลผลวิดีโอ
API โมเดลที่กําหนดเองจะจัดการกับโมเดล ML ที่ทํางานบนอุปกรณ์ โมเดลที่ฟีเจอร์เหล่านี้ใช้และผลิตมีดังนี้ โมเดล TensorFlow Lite ที่ ที่ได้รับการเพิ่มประสิทธิภาพ สำหรับใช้งานบนอุปกรณ์เคลื่อนที่ ข้อได้เปรียบที่สำคัญที่สุดสำหรับรูปแบบเหล่านี้คือ โดยไม่ต้องใช้การเชื่อมต่อเครือข่ายและทำงานได้อย่างรวดเร็ว เพื่อประมวลผลเฟรมของวิดีโอในแบบเรียลไทม์
Firebase ML ให้ ความสามารถในการทำให้โมเดลที่กำหนดเองใช้งานได้สำหรับผู้ใช้ อุปกรณ์โดย และอัปโหลดไปยังเซิร์ฟเวอร์ของเรา แอปที่เปิดใช้ Firebase จะดาวน์โหลด ให้กับอุปกรณ์ตามคำขอ ซึ่งช่วยให้คุณเก็บสถานะเริ่ม��้นของแอป การติดตั้งมีขนาดเล็ก และคุณจะสลับโมเดล ML ได้โดยไม่ต้องเผยแพร่ใหม่ แอปของคุณ
ML Kit: รุ่นในอุปกรณ์ที่พร้อมใช้งาน
หากกำลังมองหาโมเดลที่ผ่านการฝึกมาแล้วซึ่งทำงานบนอุปกรณ์ ให้ดูML Kit ML Kit พร้อมให้บริการสำหรับ iOS และ Android และมี API สำหรับ Use Case หลายรายการ ดังนี้
- การรู้จำข้อความ
- การติดป้ายกำกับรูปภาพ
- การตรวจจับและติดตามวัตถุ
- การตรวจจับใบหน้าและการติดตามรูปทรง
- การสแกนบาร์โค้ด
- การระบุภาษา
- การแปล
- ช่วยตอบ
ขั้นตอนถัดไป
- สำรวจ API ที่พร้อมใช้งาน ได้แก่ การจดจำข้อความ การติดป้ายกำกับรูปภาพ และ การจดจำจุดสังเกต
- ดูข้อมูลเกี่ยวกับการใช้รูปแบบที่กําหนดเองที่เพิ่มประสิทธิภาพสําหรับอุปกรณ์เคลื่อนที่ในแอป