Interesseret i maskinlæring, men har ikke meget erfaring? Googles nye ML Kit SDK gør maskinlæring nem at integrere i din Android- eller iOS-app.
Maskinlæring og kunstig intelligens er hurtigt kommet ind i vores leksikon i de seneste år, men de færreste forstår virkelig, hvordan teknologien fungerer, eller hvad de er i stand til. Selv Googles egne AI-forskere joke, at maskinlæring er beslægtet med alkymi. Som en travl udvikler har du måske ikke tid til at lære om maskinlæring (ML), men Google ønsker ikke, at det skal forhindre dig i at høste fordelene. Af den grund meddeler virksomheden i dag ML sæt: Et nyt SDK, der inkorporerer mange års Googles arbejde med maskinlæring i en Firebase-pakke, som udviklere af mobilapps både iOS og Android kan bruge til at forbedre deres apps.
hvis du ved ikke noget om maskinlæring, så ærgr dig ikke: Du behøver ingen forudgående ML-kendskab. Du er sikkert bekendt med nogle virkelige anvendelser af teknologien, såsom ansigtsgenkendelse og billedgenkendelse. Googles ML Kit ønsker, at din app skal drage fordel af de virkelige anvendelser af ML, uden at du behøver at forstå, hvordan algoritmen fungerer. Og hvis du forstår ML eller er villig til at lære, kan du også drage fordel af ML Kit.
Machine Learning for begyndere med ML Kit
Googles nye Firebase SDK til ML tilbyder fem API'er til nogle af de mest almindelige brugssager på mobilenheder:
- Tekstgenkendelse
- Ansigtsgenkendelse
- Stregkode scanning
- Billedmærkning
- skelsættende anerkendelse
Alt du skal gøre er at sende data til API'en, og SDK'en returnerer et svar. Så enkelt er det. Nogle eksempler på brug af ML omfatter musikapplikationer, der fortolker, hvilke toner du spiller og anvender ekko-/støjreduktion på din musik. Et andet eksempel kunne være optisk tegngenkendelse (OCR) for ernæringsmærker til apps til kalorietælling.
Listen over tilgængelige basis-API'er vil udvides i de kommende måneder til at omfatte en smart svar API ligesom Android P og en ansigtskontur med høj tæthed til ansigtsgenkendelses API.
ML Kit til erfarne brugere
Hvis du har en smule forudgående baggrundsviden, så kan du også implementere din egen brugerdefinerede TensorFlow Lite modeller. Alt du skal gøre er at uploade din model til Firebase-konsollen, så du ikke behøver at bekymre dig om at samle modellen i din APK (derved reducere filstørrelsen.) ML Kit betjener din model dynamisk, så du kan opdatere dine modeller uden at genudgive din app.
Endnu bedre er, at Google automatisk vil komprimere fulde TensorFlow-modeller til en TensorFlow Lite model, som reducerer filstørrelsen og sikrer, at flere personer på begrænsede dataforbindelser kan nyde din app.
On-device og Cloud API'er
ML Kit tilbyder både on-device og Cloud API'er. API'en på enheden behandler data uden en netværksforbindelse (f.eks Android Oreos tekstvalgsfunktion), mens Cloud API'erne bruger Google Cloud Platform til at behandle data for mere nøjagtighed.
ML Kit fungerer på både Android og iOS, og især på Android fungerer det med enheder, der kører Android-versioner lige så gamle som Ice Cream Sandwich. Hvis brugeren kører Android 8.1 Oreo og derover, så vil ML Kit tilbyde bedre ydeevne takket være Neural Networks API, der allerede er til stede. På enheder med chipsæt, der har specialiseret hardware som f.eks Qualcomm Snapdragon 845 (og dens Hexagon DSP) eller den HiSilicon Kirin 970 (og dens neurale behandlingsenhed), vil behandlingen på enheden blive accelereret. Google siger, at de også arbejder med SoC-leverandører for at forbedre genkendelsen på enheden.
Konklusion
Udviklere, der ønsker at komme i gang, bør kigge efter den nye SDK i Firebase-konsol. Du kan give feedback i Google-gruppe til Firebase.
Udviklere med erfaring i ML, der ønsker at prøve Googles algoritme til at komprimere TensorFlow-modeller, kan tilmeld dig her. Tjek endelig Firebase Remote Config hvis du vil eksperimentere med flere brugerdefinerede modeller; det giver dig mulighed for at skifte modelværdier dynamisk, oprette befolkningssegmenter og eksperimentere med flere modeller parallelt.