Vas zanima strojno učenje, vendar nimate veliko izkušenj? Googlov novi SDK za ML Kit omogoča preprosto vključitev strojnega učenja v vašo aplikacijo za Android ali iOS.
Strojno učenje in umetna inteligenca sta v zadnjih letih hitro vstopila v naš leksikon, vendar le redki zares razumejo, kako tehnologija deluje ali česa je sposobna. Celo Googlovi lastni raziskovalci AI šali, da je strojno učenje podobno alkimiji. Kot zaposleni razvijalec morda nimate časa, da bi se učili o strojnem učenju (ML), vendar Google ne želi, da bi vam to preprečilo, da bi izkoristili njegove prednosti. Iz tega razloga je družba danes objavila Komplet ML: Nov SDK, ki vključuje leta Googlovega dela na področju strojnega učenja v paket Firebase, ki ga razvijalci mobilnih aplikacij uporabljajo tako iOS kot Android lahko uporabijo za izboljšanje svojih aplikacij.
Če ti ne vem ničesar o strojnem učenju, potem pa ne skrbi: Ne potrebujete predhodnega znanja ML. Verjetno poznate nekatere resnične aplikacije tehnologije, kot sta zaznavanje obrazov in prepoznavanje slik. Googlov ML Kit želi, da vaša aplikacija izkoristi prednosti uporabe ML v resničnem svetu, ne da bi vam bilo treba razumeti, kako deluje algoritem. In če razumete ML ali ste se ga pripravljeni učiti, lahko tudi vi izkoristite ML Kit.
Strojno učenje za začetnike s kompletom ML
Googlov novi Firebase SDK za ML ponuja pet API-jev za nekatere najpogostejše primere uporabe v mobilnih napravah:
- Prepoznavanje besedila
- Zaznavanje obrazov
- Skeniranje črtne kode
- Označevanje slik
- Prepoznavanje znamenitosti
Vse kar morate storiti je, da posredujete podatke v API in SDK vrne odgovor. Tako preprosto je. Nekateri primeri uporabe ML vključujejo glasbene aplikacije, ki interpretirajo note, ki jih igrate, in za vašo glasbo uporabijo odpravljanje odmeva/šuma. Drug primer bi lahko bilo optično prepoznavanje znakov (OCR) za oznake hranilne vrednosti za aplikacije za štetje kalorij.
Seznam razpoložljivih osnovnih API-jev se bo v prihodnjih mesecih razširil na API za pametne odgovore, tako kot Android P in dodatek k API-ju za zaznavanje obrazov z visoko gostoto konture obraza.
ML Kit za izkušene uporabnike
Če imate nekaj predhodnega znanja, lahko uvedete tudi svojo lastno po meri TensorFlow Lite modeli. Vse kar morate storiti je, da naložite svoj model v konzolo Firebase, tako da vam ni treba skrbeti za povezovanje modela v APK (s čimer se zmanjša velikost datoteke.) ML Kit dinamično služi vašemu modelu, tako da lahko posodobite svoje modele brez ponovne objave aplikacija
Še bolje je, da bo Google samodejno stisnil celotne modele TensorFlow v TensorFlow Lite model, ki zmanjša velikost datoteke in zagotovi, da lahko več ljudi z omejenimi podatkovnimi povezavami uživa v vaši aplikacija
API-ji v napravi in v oblaku
ML Kit ponuja API-je v napravi in v oblaku. API v napravi obdeluje podatke brez omrežne povezave (npr Funkcija izbire besedila v sistemu Android Oreo), medtem ko API-ji za oblak uporabljajo Google Cloud Platform za obdelavo podatkov za večjo natančnost.
ML Kit deluje v sistemih Android in iOS, zlasti v Androidu pa deluje z napravami, ki uporabljajo različice Androida, stare kot Ice Cream Sandwich. Če uporabnik teče Android 8.1 Oreo in zgoraj, potem bo ML Kit ponudil boljšo zmogljivost zahvaljujoč API-ju za nevronske mreže, ki je že prisoten. Na napravah z nabori čipov, ki imajo specializirano strojno opremo, kot je Qualcomm Snapdragon 845 (in njegov Hexagon DSP) ali HiSilicon Kirin 970 (in njegove nevronske procesne enote), bo obdelava v napravi pospešena. Google pravi, da sodelujejo tudi s prodajalci SoC, da bi izboljšali prepoznavanje v napravi.
Zaključek
Razvijalci, ki želijo začeti, naj novi SDK poiščejo v Konzola Firebase. Povratne informacije lahko pustite v Googlova skupina za Firebase.
Razvijalci z izkušnjami v ML, ki želijo preizkusiti Googlov algoritem za stiskanje modelov TensorFlow, lahko prijavite se tukaj. Na koncu si oglejte Firebase Remote Config če želite eksperimentirati z več modeli po meri; omogoča dinamično preklapljanje vrednosti modela, ustvarjanje segmentov populacije in eksperimentiranje z več modeli vzporedno.