Заинтересованы в машинном обучении, но не имеете большого опыта? Новый SDK ML Kit от Google упрощает внедрение машинного обучения в ваше приложение для Android или iOS.
Машинное обучение и искусственный интеллект в последние годы быстро вошли в наш лексикон, но мало кто по-настоящему понимает, как работают эти технологии и на что они способны. Даже собственные исследователи искусственного интеллекта Google шутка, что машинное обучение сродни алхимии. Как у занятого разработчика, у вас может не быть времени на изучение машинного обучения (ML), но Google не хочет, чтобы это мешало вам воспользоваться его преимуществами. По этой причине компания сегодня объявила ML-комплект: новый SDK, включающий годы работы Google в области машинного обучения в пакет Firebase, над которым работают разработчики мобильных приложений. как iOS, так и Android могут использовать для улучшения своих приложений.
Если вы ничего не знаю о машинном обучении, тогда не волнуйтесь: Вам не нужны какие-либо предварительные знания в области машинного обучения.
. Вы, вероятно, знакомы с некоторыми реальными приложениями этой технологии, такими как распознавание лиц и изображений. Google ML Kit хочет, чтобы ваше приложение извлекало выгоду из реального использования ML без необходимости понимать, как работает алгоритм. А если вы разбираетесь в машинном обучении или хотите этому научиться, вы тоже можете воспользоваться преимуществами ML Kit.Машинное обучение для начинающих с ML Kit
Новый Firebase SDK для ML от Google предлагает пять API для некоторых наиболее распространенных случаев использования на мобильных устройствах:
- Распознавание текста
- Распознавание лиц
- Сканирование штрих-кода
- Маркировка изображений
- Признание достопримечательности
Все, что вам нужно сделать, это передать данные в API, и SDK вернет ответ. Это так просто. Некоторые примеры использования ML включают музыкальные приложения, которые интерпретируют проигрываемые вами ноты и применяют подавление эха/шума к вашей музыке. Другим примером может быть оптическое распознавание символов (OCR) на этикетках с питанием для приложений по подсчету калорий.
В ближайшие месяцы список доступных базовых API расширится и включит в себя API интеллектуального ответа, как Андроид П и добавление контура лица с высокой плотностью к API распознавания лиц.
ML Kit для опытных пользователей
Если у вас есть некоторые предварительные знания, вы также можете развернуть свои собственные ТензорФлоу Лайт модели. Все, что вам нужно сделать, это загрузить свою модель в консоль Firebase, чтобы вам не приходилось беспокоиться об объединении модели в вашу APK (таким образом уменьшая размер файла). ML Kit динамически обслуживает вашу модель, поэтому вы можете обновлять свои модели без повторной публикации. приложение.
Еще лучше то, что Google автоматически сжимает полные модели TensorFlow в TensorFlow Lite. модель, которая уменьшает размер файла и гарантирует, что больше людей с ограниченным подключением к данным смогут наслаждаться вашим приложение.
API-интерфейсы на устройстве и в облаке
ML Kit предлагает API как на устройстве, так и в облаке. API на устройстве обрабатывает данные без подключения к сети (например, Функция выбора текста в Android Oreo), тогда как облачные API используют Google Cloud Platform для обработки данных для большей точности.
ML Kit работает как на Android, так и на iOS, и, в частности, на Android он работает с устройствами под управлением таких старых версий Android, как Ice Cream Sandwich. Если пользователь работает Андроид 8.1 Орео и выше, то ML Kit обеспечит более высокую производительность благодаря уже имеющемуся API нейронных сетей. На устройствах с чипсетами, имеющими специализированное оборудование, такое как Qualcomm Snapdragon 845 (и его Hexagon DSP) или ПриветСиликон Кирин 970 (и его нейронный процессор), обработка на устройстве будет ускорена. Google заявляет, что они также работают с поставщиками SoC над улучшением распознавания на устройстве.
Заключение
Разработчикам, желающим начать работу, следует поискать новый SDK в Консоль Firebase. Вы можете оставить отзыв в Группа Google для Firebase.
Разработчики с опытом работы в машинном обучении, желающие попробовать алгоритм Google для сжатия моделей TensorFlow, могут подпишите здесь. Наконец, ознакомьтесь с Удаленная конфигурация Firebase если вы хотите поэкспериментировать с несколькими пользовательскими моделями; он позволяет динамически переключать значения модели, создавать сегменты населения и экспериментировать с несколькими моделями параллельно.