Firebase Machine Learning 是一个移动端 SDK,它通过一个强大且易用的软件包将 Google 的机器学习专业知识融入到 Android 和 Apple 应用中。无论您是刚开始接触机器学习,还是拥有丰富的相关经验,都只需几行代码即可实现所需的功能。您无需具备丰富的神经网络或模型优化知识即可开始使用该 SDK。如果您是一名经验丰富的机器学习开发者,Firebase ML 提供了便捷的 API,可帮助您在移动应用中使用自定义 TensorFlow Lite 模型。
主要功能
托管和部署自定义模型
使用您自己的 TensorFlow Lite 模型进行设备端推断。您只需将自己的模型部署到 Firebase,我们就会负责托管该模型并将其用于您的应用。Firebase 将为您的用户动态地提供最新版本的模型,让您可以定期更新模型,而无需向用户推送应用的新版本。
Firebase ML 包含一组适用于以下常见移动使用场景的现成 API:识别文字、给图片加标签以及识别地标。您只需将数据传递到 Firebase ML 库,即可获得所需的信息。这些 API 利用 Google Cloud 机器学习技术的强大功能,为您提供高级别的准确度。
云端与设备端
Firebase ML 具有可在云端或设备端使用的 API。如果我们将 ML API 描述为云端 API 或设备端 API,我们是在描述哪台机器执行推断:即哪台机器使用机器学习模型来从您所提供的数据中发掘洞见。在 Firebase ML 中,这种情况发生在 Google Cloud 或用户的移动设备上。
文字识别、给图片加标签以及地标识别 API 会在云端执行推断。与类似的设备端模型相比,这些模型可获得的计算能力和内存更多,因此能以高于设备端模型的准确率和精确度执行推断。但另一方面,对这些 API 的每个请求都需要网络往返,因此它们不适合视频处理等实时和低延迟应用。
自定义模型 API 可处理在设备上运行的机器学习模型。这些功能使用和生成的模型是 TensorFlow Lite 模型,这些模型经过优化,可在移动设备上运行。这些模型的最大优势是它们不需要网络连接并且可以快速运行,例如以足够快的速度实时处理视频帧。
Firebase ML 可以通过将自定义模型上传到我们的服务器,将自定义模型部署到用户的设备。启用了 Firebase 的应用会根据需要将模型下载到设备上。这样一来,您就可以将应用的初始安装大小保持在较小范围内,并且无需重新发布应用即可更换机器学习模型。