Google借助ML Kit将机器学习带入Firebase
Google最近推出了ML Kit，这是一个完全集成在其Firebase移动开发平台中的机器学习模块，可用于iOS和Android。借助这个新的Firebase模块，Google简化了在手机上创建机器学习驱动的应用程序的过程，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允许移动开发人员根据其深度学习Vision API中提供的几种模型（如图像标记、OCR和人脸检测）创建机器学习功能。 ML Kit可直接在Firebase平台中与Android和iOS应用程序一起使用，以及其他基于Google Cloud的模块（如身份验证和存储）。
ML Kit旨在解决人工智能所需的计算密集型操作引发的移动设备特有的几项挑战。我们的目标是在提供足够好的模型准确性和缩小尺寸模型之间取得令人满意的折中，同时保持电池寿命并在具有非常有限的计算资源的环境中使用本地数据刷新模型。
优化移动设备的机器学习是一种分层的方法。在硬件层面，Android神经网络API是一种Android C API，专门用于通过在可用的设备上处理器上分配计算工作负载来运行计算密集型操作。
向上移动到模型层，通过减少模型复杂性和大小来获得优化。这促使谷歌一年前发布Tensorflow Lite，而苹果此前推出了Core ML和Facebook Coffee2Go。这些轻量级格式便于在设备上下载预先训练的模型，以对本地数据进行推断。但根据移动机器学习工程师Eric Hsiao的说法，从Tensorflow到Tensorflow Lite的转换仍然很复杂。
正如Google的ML Kit产品经理Brahim Elbouchikhi在Google I / O 2018 ML Kit演示中强调的那样，ML Kit是将移动电话的机器学习带入移动开发者手中的第三层。
ML Kit允许基于设备和云的推断。设备推断可与较小型号配合使用，准确度较低，但是免费。对基于云的模型的推断仅对前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分为400多个标签，而基于云的模型可以访问超过10k个标签。然而，随着用户的数据仍保留在手机上，设备推理会带来更好的用户体验，并提供实时交互功能并解决隐私问题。
ML Kit还允许通过Firebase Remote Config下载动态模型。该模型会上传到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，并为用户细分定制模型。
ML Kit配有预先训练好的模型并可使用部分Google Machine Learning API服务。它还允许整合在专有数据集上训练的定制模型。此时，基础API中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 Lite转换服务的新Tensorflow预计也将很快推出。与此同时，开发人员可以注册转换服务测试版。
ML Kit只有几周的时间可用，论坛中的开发人员提出的一些问题主要围绕未检测到的条形码和文本识别问题展开，但很少涉及图像分类。
希望尝试使用 ML Kit 的开发者可以在 Firebase console （https://console.firebase.google.com/u/0/project/_/ml?pli=1）中找到它。