谷歌推出 ML KIT，将机器学习带到 Firebase 平台

看新闻很累？看技术新闻更累？试试下载 InfoQ 手机客户端，每天上下班路上听新闻，有趣还有料！

谷歌近日推出了 ML KIT ，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 Android 平台。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。

ML KIT 允许移动开发者使用 Vision API 提供的一些模型（如图像标记、OCR 和人脸检测）来创建机器学习功能。 ML KIT 可直接在 Firebase 平台中使用，支持 Android 和 iOS 应用程序，以及其他基于 Google Cloud 的模块（如身份验证和存储）。

ML KIT 旨在解决移动设备特有的几项挑战，这些挑战是由人工智能计算密集型操作所引发的。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。

优化移动设备的机器学习是一种多层方法。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，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 ，Facebook 则推出了 Coffee2Go 。这些轻量级格式便于在设备上下载预训练的模型，并对本地数据进行推断。不过，移动机器学习工程师 Eric Hsiao 说，从 Tensorflow 到 Tensorflow Lite 的转换仍然很复杂。

正如谷歌 ML KIT 产品经理 Brahim Elbouchikhi 在谷歌 I/O 2018 ML KIT 演讲中强调的那样，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，并且直接在 Firebase 移动应用开发平台上进行。

ML KIT 支持设备和基于云的推断。设备推断可用于小型的模型，提供较低的准确性，不过是免费的。基于云的推断仅对前 1000 个 API 调用免费，但会带来更高的准确性。例如，设备上的图像标记功能可以访问 400 多个标签，而基于云的模型可以访问超过 10k 个标签。然而，设备推断带来更好的用户体验，提供实时交互功能并解决隐私问题，因为用户数据仍保留在手机上。

ML KIT 还允许通过 Firebase Remote Config 动态下载模型。模型上传到 Firebase 平台，并向用户动态提供，无需将模型捆绑到 Android 开发工具包中。这种灵活的模型部署能够进行简单的 A/B 测试，并为细分用户定制模型。

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。基于 Learn2Compress 的 Tensorflow 到 Tensorflow Lite 转换服务预计很快会推出。与此同时，开发者可以注册转换服务测试版。

请记住，ML KIT 才刚发布几周时间，开发者在论坛中提出了一些问题，这些问题主要与无法扫描条形码和文本识别有关，但图像分类方面的问题较少。

查看英文原文： Google Brings Machine Learning to Firebase with ML KIT