Machine learning para desenvolvedores
de dispositivos móveis

Use o Firebase ML para treinar e implantar modelos personalizados ou use uma solução mais pronta para uso com as APIs do Cloud Vision.

Esteja você começando com um [modelo TensorFlow Lite] existente(https://www.tensorflow.org/lite/models) ou treinando seu próprio, você pode usar a implantação de modelo do Firebase ML para distribuir modelos para seus usuários over the air. Isso reduz o tamanho da instalação inicial do aplicativo porque os modelos são salvos pelo dispositivo apenas quando necessário. Ela também permite que você faça o Teste A/B em vários modelos, avalie seu desempenho e atualize os modelos regularmente sem ter que republicar todo seu aplicativo. Basta fazer upload do seu modelo para o Console do Firebase e nós cuidaremos de hospedá-lo e disponibilizá-lo em seu aplicativo. Ou, se preferir, você pode implantar modelos diretamente de seu pipeline de produção de ML ou notebook do Colab usando o SDK Admin do Firebase.

Com o AutoML Vision Edge, você pode criar facilmente modelos de classificação de imagem personalizados de acordo com suas necessidades. Por exemplo, você pode querer que seu aplicativo seja capaz de identificar diferentes tipos de alimentos ou distinguir entre espécies de animais. Seja qual for sua necessidade, basta fazer upload dos seus dados de treinamento para o Console do Firebase e você pode usar a tecnologia AutoML do Google para criar um modelo TensorFlow Lite personalizado para você executar localmente no dispositivo do seu usuário.

O Firebase ML também vem com um conjunto de APIs baseadas em nuvem prontas para usar para casos comuns de uso móvel: reconhecendo texto, rotulando imagens e reconhecendo pontos de referência. Ao contrário das APIs no dispositivo, essas APIs aproveitam o poder da tecnologia de machine learning do Google Cloud para fornecer um alto nível de acurácia. Você simplesmente passa os dados para a biblioteca, que faz uma solicitação perfeitamente aos modelos em execução no Google Cloud, e recebe as informações de que precisa – tudo em algumas linhas de código.