Firebase Machine Learning
在應用程式中使用機器學習技術，解決實際問題。
Firebase Machine Learning 是行動 SDK，可將 Google 的機器學習專業知識運用在 Android 和 Apple 應用程式中，提供功能強大且易於使用的套件。無論您是剛接觸機器學習的新手，還是有經驗的新手，都可以 只需幾行程式碼即可實作所需功能。沒有任何 必須先具備深厚的類神經網路或模型最佳化知識 已開始。另一方面，若您是經驗������的���器學習開發人員 Firebase ML 提供便利的 API， TensorFlow Lite 模型
主要功能
| 託管及部署自訂模型 |
使用自己的 TensorFlow Lite 模型在裝置端執行推論。只要 將模型部署至 Firebase 後，我們會負責託管 提供給您的應用程式Firebase 會透過動態方式 並定期更新 而不必向使用者推出新版應用程式。 搭配 使用 Firebase ML 時 Remote Config，您可以為不同使用者提供不同的模型 區隔以及A/B Testing，則能 就能進行實驗，找出成效最佳的模型 (請參閱 Apple 和 Android 指南)。 |
| 可立即運用於常見用途的實際工作環境 |
Firebase ML 隨附一組可用於一般行動裝置的現成 API 用途：辨識文字、為圖片加上標籤及識別地標。 只要將資料傳入 Firebase ML 程式庫，即可 您需要的資訊這些 API 會運用 Google Cloud 強大的機器學習技術，提供最高準確度。 |
雲端與裝置端
Firebase ML 的 API 可在雲端或裝置上運作。 當我們將 ML API 描述為雲端 API 或裝置端 API 時 說明執行推論的機器：也就是機器使用 機器學習模型，根據您提供的資料發掘洞察資訊。在 Firebase ML， 發生在 Google Cloud 或您的使用者使用行動裝置
文字辨識、圖片標籤和地標辨識 API 可執行的工作 執行雲端推論這類模型的運算能力和記憶體容量更高 可以使用這些 API，因此可以 執行推論作業的準確率和精確度比裝置端模型高。 另一方面，向這些 API 發出的每個要求都需要網路往返 因此不適合即時且��延遲的應用程式，例如 影片處理中
自訂模型 API 會處理在裝置上執行的機器學習模型。這些功能所使用及產生的模型為 TensorFlow Lite 模型，經過最佳化處理，可在行動裝置上執行。這類模型最大的優點是 不僅不需要網路連線，而且執行速度飛快 例如即時處理影片影格
「Firebase ML」提供 可將自訂模型部署至裝置劃分依據： 將檔案上傳到我們的伺服器啟用 Firebase 的應用程式就會下載 將模型推送到裝置這可讓您保留應用程式的初始 安裝大小很小，而且不必重新發布即可替換機器學習模型
ML Kit：立即可用的裝置端模型
如要尋找在裝置上執行的預先訓練模型，請參閱 ML Kit 的結果。現已推出 ML Kit 而且 API 適用於多種用途：
- 文字辨識
- 圖片標籤
- 偵測及追蹤物件
- 臉部偵測和輪廓追蹤
- 條碼掃描
- 語言識別
- 翻譯
- 智慧回覆