Interesujesz się uczeniem maszynowym, ale nie masz dużego doświadczenia? Nowy zestaw SDK ML Kit firmy Google ułatwia integrację uczenia maszynowego z aplikacją na Androida lub iOS.
W ostatnich latach uczenie maszynowe i sztuczna inteligencja szybko weszły do naszego leksykonu, ale niewielu tak naprawdę rozumie, jak działa ta technologia i do czego jest zdolna. Nawet badacze AI pracujący w Google żartuję, że uczenie maszynowe jest podobne do alchemii. Jako zapracowany programista możesz nie mieć czasu na naukę uczenia maszynowego (ML), ale Google nie chce, aby przeszkodziło Ci to w czerpaniu korzyści z jego zalet. Z tego powodu firma ogłosiła dzisiaj Zestaw ML: nowy pakiet SDK, który łączy lata pracy Google nad uczeniem maszynowym w pakiecie Firebase, z którego korzystają twórcy aplikacji mobilnych zarówno na iOS, jak i na Androida mogą wykorzystać do ulepszenia swoich aplikacji.
Jeśli ty nie mam pojęcia o uczeniu maszynowym, to nie martw się: Nie potrzebujesz żadnej wcześniejszej wiedzy na temat ML
. Prawdopodobnie znasz niektóre zastosowania tej technologii w świecie rzeczywistym, takie jak wykrywanie twarzy i rozpoznawanie obrazu. Zestaw ML firmy Google chce, aby Twoja aplikacja mogła korzystać z rzeczywistych zastosowań ML bez konieczności rozumienia, jak działa algorytm. A jeśli rozumiesz ML lub chcesz się uczyć, Ty również możesz skorzystać z ML Kit.Uczenie maszynowe dla początkujących z ML Kit
Nowy pakiet SDK Firebase dla ML firmy Google oferuje pięć interfejsów API do najpopularniejszych zastosowań na urządzeniach mobilnych:
- Rozpoznawanie tekstu
- Wykrywanie twarzy
- Skanowanie kodów kreskowych
- Etykietowanie obrazu
- Rozpoznanie punktu orientacyjnego
Wystarczy przekazać dane do API, a SDK zwróci odpowiedź. To takie proste. Niektóre przykłady użycia ML obejmują aplikacje muzyczne, które interpretują grane nuty i stosują eliminację echa/szumów w Twojej muzyce. Innym przykładem może być optyczne rozpoznawanie znaków (OCR) na etykietach wartości odżywczych w aplikacjach do liczenia kalorii.
Lista dostępnych podstawowych interfejsów API zostanie w nadchodzących miesiącach poszerzona o interfejs API inteligentnej odpowiedzi Android P oraz dodatek do interfejsu API wykrywania twarzy o dużej gęstości konturów twarzy.
Zestaw ML dla doświadczonych użytkowników
Jeśli masz trochę wcześniejszej wiedzy, możesz także wdrożyć własny TensorFlow Lite modele. Wszystko, co musisz zrobić, to przesłać swój model do konsoli Firebase, dzięki czemu nie musisz się martwić o pakowanie modelu do konsoli APK (w ten sposób zmniejszając rozmiar pliku). ML Kit dynamicznie obsługuje Twój model, dzięki czemu możesz aktualizować swoje modele bez ponownego publikowania aplikacja.
Jeszcze lepsze jest to, że Google automatycznie skompresuje pełne modele TensorFlow do TensorFlow Lite model, który zmniejsza rozmiar pliku i sprawia, że więcej osób korzystających z ograniczonych połączeń danych może cieszyć się nim aplikacja.
Interfejsy API na urządzeniu i w chmurze
ML Kit oferuje zarówno interfejsy API na urządzeniu, jak i w chmurze. Interfejs API na urządzeniu przetwarza dane bez połączenia sieciowego (np Funkcja zaznaczania tekstu w Androidzie Oreo), natomiast interfejsy Cloud API wykorzystują Google Cloud Platform do przetwarzania danych z większą dokładnością.
ML Kit działa zarówno na Androidzie, jak i na iOS, a na Androidzie współpracuje w szczególności z urządzeniami z systemem Android w wersji starszej niż Ice Cream Sandwich. Jeśli użytkownik jest uruchomiony Androida 8.1 Oreo i nowszych, wówczas ML Kit zaoferuje lepszą wydajność dzięki obecnemu już interfejsowi API sieci neuronowych. Na urządzeniach z chipsetami wyposażonymi w specjalistyczny sprzęt, np Qualcomma Snapdragona 845 (i jego Hexagon DSP) albo HiSilicon Kirin 970 (i jego jednostka przetwarzania neuronowego) przetwarzanie na urządzeniu zostanie przyspieszone. Google twierdzi, że współpracuje z dostawcami SoC, aby ulepszyć rozpoznawanie na urządzeniach.
Wniosek
Deweloperzy, którzy chcą rozpocząć pracę, powinni poszukać nowego zestawu SDK w Konsola Firebase. Możesz zostawić opinię w Grupa Google dla Firebase.
Deweloperzy z doświadczeniem w ML, którzy chcą wypróbować algorytm Google do kompresji modeli TensorFlow, mogą to zrobić Podpisz tutaj. Na koniec sprawdź Zdalna konfiguracja Firebase jeśli chcesz eksperymentować z wieloma niestandardowymi modelami; umożliwia dynamiczne przełączanie wartości modelu, tworzenie segmentów populacji i eksperymentowanie z kilkoma modelami równolegle.