裝置端機器學習技術 (ML) 可提升應用程式效能,並新增處理圖片、音效和文字的功能。

無論您是經驗豐富的開發人員,還是剛接觸新手,都按照這份指南的說明,開始在應用程式中新增機器學習功能。

即時處理文字、音訊和影片,打造全新的使用者體驗。
在本機執行推論,不要將使用者資料傳送至雲端。
不需要網路連線或在雲端環境中執行服務。
在裝置端執行機器學習功能,可降低雲端費用。

現成可應用或自訂機器學習?

機器學習套件提供可用於實際工作環境的實際工作環境解決方案,且不需要具備機器學習方面的專業知識。模型內建且可在行動裝置上最佳化。機器學習套件不僅易於使用,還能讓您專心開發功能,不必費心訓練模型和進行最佳化。
如果想進一步掌控或部署自己的機器學習模型,Android 提供自訂機器學習堆疊,以 TensorFlow Lite 和 Google Play 服務為基礎,並且涵蓋部署高效能機器學習所需的基本知識。

ML Kit SDK:現成,適合一般使用者流程使用

機器學習套件可在裝置端存取可用於實際工作環境的機器學習模型。機器學習套件 API 已針對行動裝置最佳化,不需要具備機器學習方面的專業知識。ML Kit API 的範例包括:
即時偵測裝置上是否有臉孔,以及相片中的臉孔數量。
辨識中文、梵文字母、日文、韓文或任何拉丁字元的文字。
讀取以條碼編碼的程式碼,以存取最熱門的線性和 2D (QR code) 格式。
機器學習套件提供 10 種以上的視覺和語言 API,例如圖片標籤、姿勢偵測、翻譯、智慧回覆等。

Android 的自訂機器學習堆疊:高效能機器學習

將高效能自訂機器學習功能部署到 Android 應用程式的 Android Enterprise 基本功能。

TensorFlow Lite for ML Runtime:透過 Google Play 服務 (Android 的官方機器學習推論執行階段) 使用 TensorFlow Lite,以便在應用程式中執行高效能機器學習推論。 瞭解詳情

使用 TensorFlow Lite 委任的硬體加速:使用透過 Google Play 服務發行的 TensorFlow Lite 委派,在 GPU、NPU 或 DSP 等特殊硬體上執行加速機器學習。這有助於為使用者提供進階的裝置運算功能,讓您享有更流暢且低延遲的使用者體驗。

我們目前為 GPU 和 NNAPI 委派提供支援服務,並與合作夥伴合作透過 Google Play 服務提供自訂委派存取權,以支援進階用途。瞭解詳情

由 Google Play 服務啟用:使用 Play 服務存取 TensorFlow Lite 執行階段和委派。這樣可確保使用最新的穩定版本,同時盡可能減少對應用程式二進位檔大小的影響。瞭解詳情

代碼
查看 TensorFlow Lite Android 程式碼範例,並在裝置上測試機器學習功能。
教學課程
下載範例程式碼,開始使用 TensorFlow Lite 和 Android。
新的 API 可讓您在執行階段安全地挑選最佳硬體加速設定,完全不必擔心底層裝置的硬體和驅動程式。

最新消息

YouTube
YouTube