ML Kit — набор инструментов для внедрения машинного обучения в мобильные приложения


Здравствуйте, уважаемые читатели сайта Uspei.com. В сегодняшнем быстрорастущем мире люди ожидают, что мобильные приложения будут умными. Для этого необходима адаптация к активности пользователей, чтобы устройства постоянно восхищали пользователей своими удивительными возможностями.

Поэтому Google считает, что машинное обучение станет важным инструментом в мобильной разработке.

Именно поэтому во вторник 08.05.2018 в Google I / O представили ML Kit в бета-версии: новый SDK, который ориентирован на внедрение машинного обучения Google для мобильных разработчиков на основе мощного, но простого в использовании пакета на Firebase. 


К оглавлению ↑

Машинное обучение для всех уровней навыков

Начало работы с машинным обучением может быть трудным для многих разработчиков. Как правило, новые разработчики ML проводят бесчисленные часы, изучая тонкости внедрения моделей низкого уровня, используя фреймворки и многое другое.

Даже для опытного специалиста, адаптация и оптимизация моделей для работы на мобильных устройствах может быть огромной задачей. Помимо сложностей, связанных с машинным обучением, само обучение может быть дорогостоящим и трудоемким процессом, особенно при рассмотрении глобальной аудитории.

С помощью ML Kit вы можете использовать машинное обучение для создания незаменимых функций на Android и iOS, независимо от вашего опыта в машинном обучении.

К оглавлению ↑

Область применения

Если вы новичок, который просто хочет получить начальную информацию, ML Kit дает вам пять готовых к использованию («базовых») API, которые обеспечат следующую область применения:

  • Распознавание текста
  • Распознавание лиц
  • Сканирование штрих-кодов
  • Маркировка изображений
  • Распознавание ориентиров

С помощью этих базовых API вы просто передаете данные в ML Kit и получаете релевантный ответ. Например: Lose It! , один из ранних пользователей, использовал ML Kit для создания нескольких функций в последней версии своего приложения для отслеживания калорий.

Смотрите также:  WWDC'18 за 8 минут: iOS 12, tvOS, WatchOS 5 и MacOS Mojave

Используя API, основанного на распознавании текста, приложение может быстро захватывать информацию о питании с ярлыков продуктов, чтобы вводить содержимое пищи из изображения.

Lose It! 

ML Kit предоставляет вам как встроенные, так и облачные API, все в общем и простом интерфейсе, позволяя вам выбирать те, которые лучше всего соответствуют вашим требованиям.


API-интерфейсы on-device быстро обрабатывают данные и будут работать, даже если нет сетевого подключения, в то время как облачные API-интерфейсы используют возможности технологии машинного обучения Google Cloud Platform, чтобы обеспечить более высокий уровень точности.

Посмотрите эти API в действии на консоли Firebase :

API-интерфейсы

Heads up : Планируется выпустить еще два API в ближайшие месяцы. Во-первых, это API-интерфейс интеллектуального ответа, который позволяет поддерживать ответы на контекстные сообщения в вашем приложении, а второй - контур лица с высокой плотностью, дополняющий API обнаружения лиц. Зарегистрируйтесь здесь, чтобы попробовать первым!

К оглавлению ↑

Развертывание пользовательских моделей

Если вы уже освоились в процессе машинного обучения, и не нашли базовый API, который охватывает ваш случай, ML Kit позволяет вам развернуть свои собственные модели TensorFlow Lite.

Вы просто загружаете их через консоль Firebase, и разработчики позаботятся о размещении и обслуживании вашего приложения. Таким образом, вы можете сохранить свои модели из своих APK / пакетов, что снижает размер установленной вами установки приложения.

Кроме того, поскольку ML Kit будет динамически поддерживает вашу модель, вы всегда можете обновить свою модель без повторного опубликования своих приложений.

Но это еще не все. По мере того, как приложения развиваются, чтобы предоставивлять больше возможностей, их размер увеличивается, что влияет на скорость установки из магазина приложений и потенциально увеличивается количество пользователей в результате переполнения данных.

Смотрите также:  Google Lens: ответы в реальном времени на вопросы о мире вокруг вас

Машинное обучение может еще более усугубить эту тенденцию, так как модели могут достигать 10 мегабайт. Поэтому разработчики решили инвестировать в сжатие модели.

В частности, идут эксперименты с функцией, которая позволяет загружать полную модель TensorFlow вместе с данными обучения и получать взамен сжатую модель TensorFlow Lite. Эта технология стремительно развивается, и поэтому разработчики ищут несколько партнеров, чтобы попробовать и получить от них обратную связь. Если вы заинтересованы, зарегистрируйтесь здесь.

К оглавлению ↑

Лучше использовать вместе с другими продуктами Firebase

Поскольку ML Kit доступен через Firebase, вам легко воспользоваться преимуществами более широкой платформы Firebase. Например, тестирование Remote Config и A / B позволяет экспериментировать с несколькими пользовательскими моделями.

Вы можете динамически переключаться между значениями в своем приложении, что делает его очень удобным для замены пользовательских моделей, которые вы хотите передавать пользователям на лету. Вы даже можете создавать сегменты и параллельно экспериментировать с несколькими моделями.

Другие примеры включают:

К оглавлению ↑

Начните уже сейчас!

Разработчики надеются, что вам понравится этот продукт, также как и многим другим клиентам:


Довольные клиенты

Начните работу с бета-версии ML Kit, посетив консоль Firebase сегодня. Если у вас есть какие-либо мысли или отзывы, не стесняйтесь, дайте знать - разработчики всегда на связи!

0

До встречи! Успевайте всё и всегда на страницах блога Uspei.com

Плюсануть
Поделиться
Класснуть
Линкануть
Запинить

Буду благодарен, если поделитесь новостью в соцсетях

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *