Máte záujem o strojové učenie, ale nemáte veľa skúseností? Nová súprava ML Kit SDK od spoločnosti Google uľahčuje začlenenie strojového učenia do vašej aplikácie pre Android alebo iOS.
Strojové učenie a umelá inteligencia sa v posledných rokoch rýchlo dostali do nášho slovníka, no len málokto skutočne chápe, ako táto technológia funguje alebo čoho je schopná. Dokonca aj samotní výskumníci AI od Googlu vtip, že strojové učenie je podobné alchýmii. Ako zaneprázdnený vývojár možno nemáte čas učiť sa o strojovom učení (ML), ale Google nechce, aby vám to bránilo využívať jeho výhody. Z tohto dôvodu spoločnosť dnes oznámila Súprava ML: Nová súprava SDK, ktorá zahŕňa roky práce spoločnosti Google v oblasti strojového učenia do balíka Firebase, ktorý používajú vývojári mobilných aplikácií iOS aj Android môžu použiť na vylepšenie svojich aplikácií.
Ak ty neviem nič o strojovom učení, tak sa netráp: Nepotrebujete žiadne predchádzajúce znalosti ML. Pravdepodobne poznáte niektoré aplikácie tejto technológie v reálnom svete, ako je detekcia tváre a rozpoznávanie obrázkov. Súprava ML od spoločnosti Google chce, aby vaša aplikácia využívala výhody ML v reálnom svete bez toho, aby ste museli rozumieť tomu, ako funguje algoritmus. A ak rozumiete ML alebo ste ochotní sa učiť, aj vy môžete využiť výhody ML Kit.
Strojové učenie pre začiatočníkov s ML Kit
Nová súprava Firebase SDK pre ML od spoločnosti Google ponúka päť rozhraní API pre niektoré z najbežnejších prípadov použitia v mobilných zariadeniach:
- Rozpoznávanie textu
- Detekcia tváre
- Skenovanie čiarových kódov
- Označovanie obrázkov
- Rozpoznanie orientačných bodov
Všetko, čo musíte urobiť, je odovzdať údaje do API a SDK vráti odpoveď. Je to také jednoduché. Niektoré príklady použitia ML zahŕňajú hudobné aplikácie, ktoré interpretujú noty, ktoré hráte, a aplikujú na vašu hudbu potlačenie ozveny/šumu. Ďalším príkladom môže byť optické rozpoznávanie znakov (OCR) pre nutričné štítky pre aplikácie na počítanie kalórií.
Zoznam dostupných základných rozhraní API sa v nadchádzajúcich mesiacoch rozšíri o inteligentné rozhranie API Android P a pridanie kontúr tváre s vysokou hustotou k API detekcie tváre.
ML Kit pre skúsených používateľov
Ak máte trochu predchádzajúce znalosti, môžete tiež nasadiť svoj vlastný TensorFlow Lite modelov. Jediné, čo musíte urobiť, je nahrať svoj model do konzoly Firebase, aby ste sa nemuseli obávať spájania modelu do APK (čím sa zníži veľkosť súboru.) Súprava ML poskytuje váš model dynamicky, takže môžete svoje modely aktualizovať bez opätovného zverejnenia aplikácie.
Ešte lepšie je, že Google automaticky komprimuje celé modely TensorFlow do TensorFlow Lite model, ktorý znižuje veľkosť súboru a zaisťuje, že si ho môže vychutnať viac ľudí s obmedzeným dátovým pripojením aplikácie.
Rozhrania API na zariadení a cloud
ML Kit ponúka rozhrania API na zariadení aj cloud. Rozhranie API na zariadení spracováva údaje bez sieťového pripojenia (napr Funkcia výberu textu v systéme Android Oreo), zatiaľ čo rozhrania Cloud API používajú na spracovanie údajov pre väčšiu presnosť platformu Google Cloud Platform.
ML Kit funguje na Androide aj iOS a najmä na Androide funguje so zariadeniami s verziami Androidu starými ako Ice Cream Sandwich. Ak používateľ beží Android 8.1 Oreo a vyššie, potom ML Kit ponúkne lepší výkon vďaka API Neural Networks, ktoré je už prítomné. Na zariadeniach s čipsetmi, ktoré majú špecializovaný hardvér, ako napr Qualcomm Snapdragon 845 (a jeho Hexagon DSP) alebo HiSilicon Kirin 970 (a jeho neurónovej procesorovej jednotke) sa urýchli spracovanie na zariadení. Google hovorí, že spolupracujú s dodávateľmi SoC na zlepšení rozpoznávania na zariadení.
Záver
Vývojári, ktorí chcú začať, by mali hľadať novú súpravu SDK v konzola Firebase. Môžete zanechať spätnú väzbu v Skupina Google pre Firebase.
Vývojári so skúsenosťami s ML, ktorí chcú vyskúšať algoritmus Google na kompresiu modelov TensorFlow, môžu zaregistrujte sa tu. Nakoniec skontrolujte Firebase Remote Config ak chcete experimentovať s viacerými vlastnými modelmi; umožňuje dynamicky prepínať hodnoty modelu, vytvárať segmenty populácie a paralelne experimentovať s niekoľkými modelmi.