Google ML Kit 中文文檔上線 | 掘金翻譯計劃

原文地址： ML Kit for Firebase

原文做者：Google

譯文出自：掘金翻譯計劃

譯者：BON

校對者：BON

在近期 Google I/O 大會爲其 Firebase 開發平臺推出了一款新的機器學習 SDK ，名爲 "ML Kit" 。與以前的 Core ML 不太相同，此次的新的SDK爲一些最多見的計算機視覺用例提供了現成的 API，實際上這容許了那些即便不是機器學習專家的開發人員，尤爲是安卓和 iOS 端的開發人員，在本身的應用程序中添加屬於本身的機器學習。此外，它還支持導入自定義的 TensorFlow Lite 模型。

如下是它的核心功能列表**（摘自文檔）**

爲工程應用的常見用例	ML Kit附帶了一套用於常見移動用例的隨時可用的API：文本識別、人臉識別、地標識別、條形碼識別和圖像標註等。只需將數據傳遞給ML kit庫，它就可以給您提供您想要的信息。
在手機設備上或者雲端運行	ML kit所選用的API能夠在設備上運行或者在雲上運行。咱們的設備上提供的API即便在沒有網絡鏈接的狀況下也能夠快速地處理您的數據。另外一方面，咱們基於雲端的API則是利用了Google  Cloud Platform提供的強大的機器學習功能。能夠爲您提供更高的準確度。
裝載自有模型	而若是ML kit提供的API並不符合您的需求，您能夠隨時使用您的現有TensorFlow Lite模型。只須要將您的模型上傳到Firebase中，咱們就會負責託管並將其投放到您的應用當中去。ML kit在這個過程當中充當了您的自定義模型的API層，使其更易於運行和使用。

一般狀況下，創建一個機器學習環境是一項艱鉅的工做。您必須學習如何使用像 TensorFlow 這樣的機器學習庫，還必須獲取一大堆數據來訓練您的模型。而後，您還得輸出一個足夠輕量的模型（此處爲轉換爲 TensorFlow Lite ，這個在這次推出的 SDK 中也被完美支持）。而 ML Kit 簡化了這一個流程，您只須要在 Firebase 上調用某些機器學習特性便可。

此外它也推出了 On-device 特性，就是您能夠爲您的應用程序就僅僅是設置了單機運行。如下爲支持的列表

特性	設備	雲端
文本識別	√	√
人臉識別	√	×
條形碼識別	√	×
圖像標記	√	√
地標識別	×	√
自定義模型裝載	√	×

對於國內的開發者，這裏提供的視覺 API 僅有地標識別不提供 On-device 功能。其它都是能夠在國內的手機上運行。而若是有須要， Firebase 也提供了相對應的 Cloud API 。僅有條形碼掃描和人臉識別功能並不提供雲端識別功能。雲端的服務都是前1000次使用不會收費。

對於已經對機器學習有了解或者當前 API 並不知足需求的開發者，ML Kit 也提供了自定義模型和自定義 TensorFlow Lite 版本的功能。只須要跟着文檔一步步操做，就可以實現將 TensorFlow 模型轉爲 TensorFlow Lite 的需求。

並且，若是是自定義模型。您能夠爲其定義非 Firebase 的託管位置。意味着您能夠在國內的服務器上掛靠您的模型，而且在您的應用程序中實時下載模型。不過因爲模型的儲存並無進行過多的加密。所以有必定的不安全性。可是谷歌認爲模型和應用程序是高度集合的。因此這點並不會影響過多。

總之，以上是 ML Kit 文檔中說起的一小部份內容。

所以在功能以及文檔推出後，我儘快將文檔翻譯和校對了一遍，而且上傳到了 GitHub 。之後將繼續維護。歡迎你們前去閱覽，提出修改意見。地址爲：ML Kit-CN 。

---

掘金翻譯計劃 是一個翻譯優質互聯網技術文章的社區，文章來源爲 掘金 上的英文分享文章。內容覆蓋 Android、iOS、前端、後端、區塊鏈、產品、設計、人工智能等領域，想要查看更多優質譯文請持續關注 掘金翻譯計劃、官方微博、知乎專欄。