Intresserad av maskininlärning men har inte mycket erfarenhet? Googles nya ML Kit SDK gör maskininlärning lätt att integrera i din Android- eller iOS-app.
Maskininlärning och artificiell intelligens har snabbt kommit in i vårt lexikon de senaste åren, men få förstår verkligen hur tekniken fungerar, eller vad de kan. Även Googles egna AI-forskare skämt om att maskininlärning är besläktat med alkemi. Som en upptagen utvecklare kanske du inte har tid att lära dig om maskininlärning (ML), men Google vill inte att det ska hindra dig från att skörda fördelarna. Av den anledningen meddelade företaget idag ML Kit: En ny SDK som innehåller år av Googles arbete med maskininlärning i ett Firebase-paket som utvecklare av mobilappar både iOS och Android kan använda för att förbättra sina appar.
Om du kan inget om maskininlärning, oroa dig inte: Du behöver inga tidigare ML-kunskaper. Du är förmodligen bekant med några verkliga tillämpningar av tekniken som ansiktsdetektion och bildigenkänning. Googles ML Kit vill att din app ska dra nytta av den verkliga användningen av ML utan att du behöver förstå hur algoritmen fungerar. Och om du förstår ML eller är villig att lära dig kan du också dra nytta av ML Kit.
Maskininlärning för nybörjare med ML Kit
Googles nya Firebase SDK för ML erbjuder fem API: er för några av de vanligaste användningsfallen på mobilen:
- Textigenkänning
- Ansiktsigenkänning
- Streckkodsskanning
- Bildmärkning
- Landmärke erkännande
Allt du behöver göra är att skicka data till API: n och SDK: n returnerar ett svar. Det är så enkelt. Några exempel på ML-användning inkluderar musikapplikationer som tolkar vilka toner du spelar och tillämpar eko-/brusreducering på din musik. Ett annat exempel kan vara optisk teckenigenkänning (OCR) för näringsvärdesmärkning för appar för kaloriräkning.
Listan över tillgängliga bas-API: er kommer att utökas under de kommande månaderna för att inkludera ett smart svars-API precis som Android P och en ansiktskontur med hög densitet till API: et för ansiktsdetektion.
ML Kit för erfarna användare
Om du har lite tidigare bakgrundskunskaper kan du också distribuera din egen anpassade TensorFlow Lite modeller. Allt du behöver göra är att ladda upp din modell till Firebase-konsolen så att du inte behöver oroa dig för att paketera modellen i din APK (vilket minskar filstorleken.) ML Kit betjänar din modell dynamiskt så att du kan uppdatera dina modeller utan att återpublicera din app.
Ännu bättre är att Google automatiskt kommer att komprimera hela TensorFlow-modeller till en TensorFlow Lite modell, som minskar filstorleken och säkerställer att fler personer med begränsade dataanslutningar kan njuta av din app.
På enheten och moln-API: er
ML Kit erbjuder både on-device och Cloud API. API: et på enheten bearbetar data utan nätverksanslutning (som Android Oreos textvalsfunktion) medan Cloud API: er använder Google Cloud Platform för att bearbeta data för mer exakthet.
ML Kit fungerar på både Android och iOS, och på Android, i synnerhet, fungerar det med enheter som kör Android-versioner lika gamla som Ice Cream Sandwich. Om användaren kör Android 8.1 Oreo och över, då kommer ML Kit att erbjuda bättre prestanda tack vare Neural Networks API som redan finns. På enheter med chipset som har specialiserad hårdvara som t.ex Qualcomm Snapdragon 845 (och dess Hexagon DSP) eller den HiSilicon Kirin 970 (och dess neurala bearbetningsenhet), kommer bearbetningen på enheten att accelereras. Google säger att de arbetar med SoC-leverantörer för att förbättra igenkänningen på enheten också.
Slutsats
Utvecklare som vill komma igång bör leta efter den nya SDK: n i Firebase-konsol. Du kan lämna feedback i Google-grupp för Firebase.
Utvecklare med erfarenhet av ML som vill prova Googles algoritm för att komprimera TensorFlow-modeller kan Anmäl dig här. Till sist, kolla in Firebase Remote Config om du vill experimentera med flera anpassade modeller; den låter dig byta modellvärden dynamiskt, skapa populationssegment och experimentera med flera modeller parallellt.