谷歌推出ML KIT,将机器学习带到Firebase
极客时间编辑部
讲述:杜力大小:1.01M时长:02:13
近日,谷歌推出了 ML KIT,这是一个与 Firebase 移动开发平台完全集成的机器学习模块,可用于 iOS 和安卓平台,以及其他基于谷歌云的模块(如身份验证和存储)。
通过这个新的 Firebase 模块,谷歌简化了创建机器学习驱动的移动应用的过程,并解决了在移动设备上实现计算密集型功能所面临的一些挑战。
具体来看,ML KIT 旨在解决移动设备中特有的几项挑战,这些挑战是由人工智能计算密集型的操作所引起的。ML KIT 的主要目标是在模型精度和模型大小之间获得令人满意的折中,同时保持电池的寿命,并在计算资源非常有限的环境中,使用本地数据来刷新模型。
在硬件层面,Android Neural Net API 是一种 Android C API,通过在可用设备处理器上分配计算工作负载来执行计算密集型操作。
在模型层,可以通过减少模型复杂性和大小来获得优化。为此,谷歌在一年前发布了 Tensorflow Lite,而苹果此前也推出了 Core ML。这些轻量级格式可以很方便地在设备上下载预训练的模型,并对本地数据进行推断。
谷歌 ML KIT 产品经理卜拉欣·埃尔伯奇柯西(Brahim Elbouchikhi)强调,想要将移动机器学习带入移动设备,ML KIT 是第三需要用到的层,它将深度学习直接交给了移动应用开发者,并且可以直接在 Firebase 移动应用开发平台上进行。
此外,ML KIT 可以支持设备和基于云的推断。设备推断能够用于小型的模型,提供的准确性比较低,不过是免费的。而基于云的推断只对前 1000 个 API 调用免费,但是在准确性上相对更高。然而,设备推断可以带来更好的用户体验,提供实时交互功能并解决隐私问题。
除此之外,ML KIT 包含了一些预训练的模型,并可以访问一些 Google Machine Learning API 服务,它还允许集成在专有数据集上训练的定制模型。
到目前为止,基础 API 提供的可用功能包括文本识别(OCR)、图像标签、条形码扫描、人脸检测和地标识别。预计脸部轮廓和智能回复将在近期发布。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线
笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
该免费文章来自《极客视点》,如需阅读全部文章,
请先领取课程
请先领取课程
免费领取
© 版权归极客邦科技所有,未经许可不得传播售卖。 页面已增加防盗追踪,如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示,欢迎踊跃留言。
收起评论