原文地址： ML Kit for Firebase
原文作者：Google
譯文出自：掘金翻譯計劃
譯者：BON
校對者：BON
在近期 Google I/O 大會為其 Firebase 開發平臺推出了一款新的機器學習 SDK ，名為 "ML Kit" 。與之前的 Core ML 不太相同，這次的新的SDK為一些最常見的計算機視覺用例提供了現成的 API，實際上這允許了那些即使不是機器學習專家的開發人員，尤其是安卓和 iOS 端的開發人員，在自己的應用程式中新增屬於自己的機器學習。此外，它還支援匯入自定義的 TensorFlow Lite 模型。
以下是它的核心功能列表**（摘自文件）**
| 為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：文字識別、人臉識別、地標識別、條形碼識別和影像標註等。只需將資料傳遞給ML kit庫，它就能夠給您提供您想要的資訊。 |
|---|---|
| 在手機裝置上或者雲端執行 | ML kit所選用的API可以在裝置上執行或者在雲上執行。我們的裝置上提供的API即使在沒有網路連線的情況下也可以快速地處理您的資料。另一方面，我們基於雲端的API則是利用了Google Cloud Platform提供的強大的機器學習功能。可以為您提供更高的準確度。 |
| 裝載自有模型 | 而如果ML kit提供的API並不符合您的需求，您可以隨時使用您的現有TensorFlow Lite模型。只需要將您的模型上傳到Firebase中，我們就會負責託管並將其投放到您的應用當中去。ML kit在這個過程中充當了您的自定義模型的API層，使其更易於執行和使用。 |
通常情況下，建立一個機器學習環境是一項艱鉅的工作。您必須學習如何使用像 TensorFlow 這樣的機器學習庫，還必須獲取一大堆資料來訓練您的模型。然後，您還得輸出一個足夠輕量的模型（此處為轉換為 TensorFlow Lite ，這個在此次推出的 SDK 中也被完美支援）。而 ML Kit 簡化了這一個流程，您只需要在 Firebase 上呼叫某些機器學習特性即可。
此外它也推出了 On-device 特性，就是您可以為您的應用程式就僅僅是設定了單機執行。以下為支援的列表
| 特性 | 裝置 | 雲端 |
|---|---|---|
| 文字識別 | √ | √ |
| 人臉識別 | √ | × |
| 條形碼識別 | √ | × |
| 影像標記 | √ | √ |
| 地標識別 | × | √ |
| 自定義模型裝載 | √ | × |
對於國內的開發者，這裡提供的視覺 API 僅有地標識別不提供 On-device 功能。其它都是可以在國內的手機上執行。而如果有需要， 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 並不滿足需求的開發者，ML Kit 也提供了自定義模型和自定義 TensorFlow Lite 版本的功能。只需要跟著文件一步步操作，就能夠實現將 TensorFlow 模型轉為 TensorFlow Lite 的需求。
而且，如果是自定義模型。您可以為其定義非 Firebase 的託管位置。意味著您可以在國內的伺服器上掛靠您的模型，並且在您的應用程式中實時下載模型。不過由於模型的儲存並沒有進行過多的加密。因此有一定的不安全性。但是谷歌認為模型和應用程式是高度集合的。所以這點並不會影響過多。
總之，以上是 ML Kit 文件中提及的一小部分內容。
因此在功能以及文件推出後，我儘快將文件翻譯和校對了一遍，並且上傳到了 GitHub 。以後將繼續維護。歡迎大家前去閱覽，提出修改意見。地址為：ML Kit-CN 。
掘金翻譯計劃 是一個翻譯優質網際網路技術文章的社群，文章來源為 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、人工智慧等領域，想要檢視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。