推出ML Kit

来源 | Tensorflow

编辑 | 磐石

出品 | 磐创AI技术团队

【磐创AI导读】：本文授权转载自Tensorflow。主要介绍了ML Kit，是移动开发者的福音。欢迎大家点击上方蓝字关注我们的公众号：磐创AI。磐创AI接下来带你详细了解这一消息。

深处当今快速发展的世界，人们希望移动应用能够智能化 – 适应用户的活动，或者凭借出人意料的头脑取悦用户。因此，我们认为机器学习将成为移动开发中一种不可或缺的工具。有鉴于此，在周二开幕的 Google I/O 上，我们推出了测试版 ML Kit，ML Kit 是一款全新的 SDK，它以 Firebase 上一个功能强大但易于使用的软件包形式，将 Google 的机器学习专业知识带给广大的移动开发者。我们万分激动！

让各个技能水平的人都能使用机器学习

开始使用机器学习对许多开发者来说可能非常困难。一般来说，新机器学习开发者需要花费大量的时间学习实现低级模型和使用框架等众多复杂操作。即使对于经验丰富的专家，修改和优化模型，使其在移动设备上运行也可能是一项艰巨的任务。除了机器学习的复杂性之外，寻找训练数据也可能是一个费时费力的过程，尤其是在考虑全球受众的情况下。

借助 ML Kit，无论您的机器学习专业知识水平如何，您都可以使用机器学习在 Android 和 iOS 上构建引人入胜的功能。下文介绍了更多详情！

对于常见用例，可以立即投入生产

如果您是一位要求不高的初学者，ML Kit 为您提供了五个可以立即使用的（“基础”）API，这些 API 可以解决常见的移动用例需求：

• 文本识别

• 面部检测

• 条形码扫描

• 图像标记

• 地标识别

使用这些基础 API，您只需将数据传入 ML Kit，套件的响应非常直观。例如：Lose It! 是我们的早期用户之一，他们使用 ML Kit 在自己最新版的卡路里跟踪应用中构建了多个功能。使用我们基于文本识别的 API 和自定义构建模型，他们的应用可以从产品标签快速捕获营养信息，以便从图像输入食品的成分含量。

ML Kit 在一个常用且简单的接口中为您提供设备上 API 和 Cloud API，您可以根据自己的需求选择最合适的 API。设备上 API 可以快速处理数据，甚至可以在没有网络连接的情况下工作；而基于云的 API 则充分利用了 Google Cloud Platform 的机器学习技术，可以提供更高级别的准确性。

在您的 Firebase 控制台中查看这些 API 的实际运行：

预告：我们计划在未来数月内再发布两个 API。首先是智能回复 API，它让您可以在自己的应用中支持上下文消息回复；第二个是高密度面部轮廓检测 API，它将有力补充面部检测 API。

部署自定义模型

如果您有丰富的机器学习经验并发现基础 API 没有涵盖您的用例，则可以利用 ML Kit 部署您自己的 TensorFlow Lite 模型。您只需通过 Firebase 控制台上传模型，我们将负责托管工作，并将它们提供给您的应用的用户。这样一来，您可以让模型独立于 APK/软件包，从而减少应用的安装大小。另外，由于 ML Kit 可以动态提供您的模型，您始终都可以更新模型，而不必重新发布应用。

套件还会添加更多功能。随着应用的功能越来越多，它们也随之增大，这会影响应用从应用商店的安装速度，并且可能让用户支付更多的流量费。机器学习会进一步加剧这种趋势，因为模型的大小很容易就能达到数十兆字节。因此，我们决定开发模型压缩功能。具体来说，我们正在试验一项功能，它可以让您上传完整的 TensorFlow 模型和训练数据，但获得压缩的 TensorFlow Lite 模型。

这项功能背后的技术正在快速发展，因此，我们正在寻找一些开发者来试用，并向我们提供反馈。如果您感兴趣，请在这里注册：

https://g.co/firebase/signup

与其他 Firebase 产品结合使用

由于 ML Kit 通过 Firebase 提供，您可以轻松利用 Firebase 平台的其他产品。例如，远程配置和 A/B 测试让您可以对多个自定义模型进行试验。您可以在应用中动态切换值，这让 ML Kit 非常适合动态切换您想要用户使用的自定义模型。您甚至可以创建用户细分，并同时试验多个模型。

其他示例包括：

• 将您的图像标签存储在 Cloud Firestore 中

• 使用 Performance Monitoring 测量处理延迟时间

• 通过 Google Analytics（分析）了解用户互动度的影响

等等

开始使用！

我们迫切期待看到您使用 ML Kit 构建的成果。我们希望您能像我们的很多早期客户一样喜欢这款产品：

立即访问您的 Firebase 控制台，开始使用测试版 ML Kit。如果您有任何想法或反馈，请在 TensorFlow 中文社区论坛的”TensorFlow意见和反馈”板块上告诉我们 – 我们始终乐于倾听您的意见！

写在最后：欢迎大家点击下方二维码关注我们的公众号，点击干货资源专栏或发送关键字“资源”获取更多资源推荐。关注我们的历史文章，和小编一起畅游在深度学习的世界中。

 点击下方 | 阅读原文 | 了解更多