Modele niestandardowe
Jeśli używasz niestandardowego modele TensorFlow Lite, Dzięki Firebase ML możesz mieć pewność, że użytkownicy zawsze korzystają z jaka jest najlepsza dostępna wersja Twojego niestandardowego modelu. Gdy wdrażasz model za pomocą: Firebase, Firebase ML pobiera model tylko wtedy, gdy jest potrzebny. automatycznie aktualizuje tę aplikację do najnowszej wersji.
Chcesz rozpocząć? Wybierz platformę:
Najważniejsze funkcje
| Wdrożenie modelu TensorFlow Lite | Wdrażaj modele za pomocą Firebase, aby zmniejszyć rozmiar plików binarnych aplikacji oraz upewnij się, że aplikacja zawsze używa najnowszej dostępnej wersji Twój model |
| Wnioskowanie ML na urządzeniu | Przeprowadź wnioskowanie w aplikacji na urządzenia Apple lub na Androida za pomocą TensorFlow Lite z modelem tłumacza. |
| Automatyczne aktualizacje modeli | Skonfiguruj warunki automatycznego pobierania aplikacji nowe wersje Twojego modelu: gdy urządzenie użytkownika jest nieaktywne, się ładuje, lub urządzenie ma połączenie Wi-Fi. |
Ścieżka implementacji
| Wytrenuj model TensorFlow | Utworzenie i wytrenowanie modelu niestandardowego za pomocą TensorFlow. Możesz też od nowa przeszkolić który rozwiązuje problem podobny do tego, co chcesz osiągnąć. | |
| Przekonwertuj model na TensorFlow Lite | Przekonwertuj model z HDF5 lub zablokowanego formatu wykresu na TensorFlow Lite za pomocą Konwerter TensorFlow Lite. | |
| Wdrażanie modelu TensorFlow Lite w Firebase | Opcjonalnie: gdy wdrożysz model TensorFlow Lite w Firebase i uwzględnij pakiet SDK Firebase ML w swoim Firebase ML umożliwia użytkownikom z najnowszą wersją modelu. Możesz go skonfigurować tak, automatycznie pobiera aktualizacje modelu, gdy urządzenie użytkownika jest nieaktywne lub jest ładowany lub ma połączenie Wi-Fi. | |
| Używanie modelu TensorFlow Lite do wnioskowania | Użyj interpretera TensorFlow Lite w aplikacji na Apple lub Androida, aby wnioskowania z modeli wdrożonych przy użyciu Firebase. |
Codelabs
Wykonaj ćwiczenia z programowania, aby dowiedzieć się, jak Firebase może ułatwić Ci korzystanie modele TensorFlow Lite – są łatwiejsze i skuteczniejsze.