डेटा को दूसरी जगह भेजने से जुड़ी गाइड

हमने 3 जून, 2020 को Firebase के लिए एमएल किट में कुछ बदलाव किए हैं. इससे, क्लाउड पर आधारित एपीआई और डिवाइस पर मौजूद एपीआई के बीच अंतर किया जा सकेगा. एपीआई के मौजूदा सेट को अब इन दो प्रॉडक्ट में बांट दिया गया है:

  • नया प्रॉडक्ट, जिसे एमएल किट कहा जाता है. इसमें डिवाइस पर मौजूद सभी एपीआई शामिल होंगे

  • Firebase मशीन लर्निंग, यह क्लाउड-आधारित एपीआई और कस्टम मॉडल डिप्लॉयमेंट पर फ़ोकस करता है.

इस बदलाव से, एमएल किट को अपने ऐप्लिकेशन में इंटिग्रेट करना आसान हो जाएगा. ऐसा तब ही होगा, जब आपको सिर्फ़ डिवाइस पर ही समाधान की ज़रूरत हो. इस दस्तावेज़ में, Firebase ML किट SDK से नए ML किट SDK पर अपने ऐप्लिकेशन को माइग्रेट करने का तरीका बताया गया है.

क्या बदल रहा है?

ऑन-डिवाइस बेस एपीआई

नीचे दिए गए एपीआई, अब नए एमएल किट SDK टूल में भेज दिए गए हैं.

  • बारकोड स्कैन करना
  • चेहरे की पहचान
  • इमेज को लेबल करें
  • ऑब्जेक्ट की पहचान और ट्रैकिंग
  • टेक्स्ट की पहचान करने की सुविधा
  • भाषा का आईडी
  • स्मार्ट जवाब
  • अनुवाद पाएं
  • AutoML विज़न Edge अनुमान API

Firebase SDK टूल के लिए एमएल किट में मौजूद, मौजूदा डिवाइस पर काम करने वाले बेस एपीआई अब उपलब्ध नहीं हैं. उन्हें अब अपडेट नहीं मिलेंगे.

अगर आप आज अपने ऐप्लिकेशन में इन एपीआई का इस्तेमाल कर रहे हैं, तो कृपया Android के लिए एमएल किट माइग्रेशन गाइड और iOS के लिए एमएल किट माइग्रेशन गाइड का पालन करके, नए एमएल किट SDK टूल पर माइग्रेट करें.

कस्टम मॉडल एपीआई

Firebase में होस्ट किए गए मॉडल डाउनलोड करने के लिए, कस्टम मॉडल डाउनलोडर Firebase एमएल SDK टूल के ज़रिए उपलब्ध कराया जाता है. SDK टूल, सबसे नए उपलब्ध मॉडल को फ़ेच करता है और अनुमान के लिए, इसे अलग-अलग TensorFlow Lite रनटाइम पर भेजता है.

Firebase SDK टूल के लिए एमएल किट में मौजूद, मौजूदा कस्टम मॉडल अनुवादक को रोक दिया गया है और अब उसे अपडेट नहीं मिलेंगे. हमारा सुझाव है कि आप अनुमान के लिए, सीधे TensorFlow लाइट रनटाइम का इस्तेमाल करें. इसके अलावा, अगर आपको सिर्फ़ इमेज को लेबल करने और ऑब्जेक्ट की पहचान करने और एपीआई को ट्रैक करने के लिए कस्टम मॉडल का इस्तेमाल करना है, तो अब आप इन एपीआई में कस्टम मॉडल का इस्तेमाल कर सकते हैं.

ज़्यादा जानकारी के लिए, Android और iOS से जुड़ी माइग्रेशन गाइड देखें.

क्या बदलाव नहीं हुआ?

क्लाउड-आधारित एपीआई और सेवाओं को Firebase एमएल के साथ ऑफ़र किया जाना जारी रखा जाएगा:

  • क्लाउड-आधारित इमेज को लेबल करना, टेक्स्ट की पहचान करना, और लैंडमार्क की पहचान करने की सुविधा देने वाले एपीआई, Firebase ML SDK टूल से अब भी उपलब्ध हैं.

  • Firebase ML में, मॉडल डिप्लॉयमेंट की सुविधा भी उपलब्ध है

अक्सर पूछे जाने वाले सवाल

यह बदलाव क्यों हुआ?

हम यह बदलाव इस बात की साफ़ तौर पर जानकारी देने के लिए कर रहे हैं कि प्रॉडक्ट से मिलने वाली सुविधाएं कौनसी हैं. इस बदलाव के बाद, नया एमएल किट SDK टूल पूरी तरह से डिवाइस में मौजूद मशीन लर्निंग पर फ़ोकस कर रहा है. इससे यह पता चलता है कि डिवाइस पर डेटा को पूरी तरह से प्रोसेस किया जाता है और यह डेवलपर के लिए बिना किसी शुल्क के उपलब्ध है. Firebase ML किट का इस्तेमाल करने से पहले, Firebase की एमएल किट का इस्तेमाल करने वाली क्लाउड सेवाएं, एमएल किट एपीआई के साथ-साथ इनका इस्तेमाल भी कर सकती हैं.

डिवाइस पर एपीआई के लिए, नया एमएल किट SDK टूल पर काम करता है. इससे डेवलपर, एमएल किट को अपने ऐप्लिकेशन से आसानी से जोड़ सकते हैं. आने वाले समय में, आपको ऐप्लिकेशन के प्रोजेक्ट के हिसाब से डिपेंडेंसी जोड़नी होगी और एपीआई का इस्तेमाल शुरू करना होगा. सिर्फ़ डिवाइस पर मौजूद एपीआई का इस्तेमाल करने के लिए, Firebase प्रोजेक्ट सेट अप करने की कोई ज़रूरत नहीं है.

Firebase के साथ होस्ट किए जा रहे मेरे मॉडल का क्या होता है?

Firebase मशीन लर्निंग पहले की तरह आपके मॉडल का इस्तेमाल करती रहेगी. यह सुविधा काम नहीं कर रही है. यहां कुछ सुधार किए गए हैं:

  • अब आप Python या नोड SDK टूल का इस्तेमाल करके, Firebase में अपने मॉडल को डिप्लॉय कर सकते हैं.

  • अब आप TensorFlow लाइट रनटाइम के साथ Firebase एमएल SDK टूल का इस्तेमाल कर सकते हैं. Firebase SDK टूल मॉडल को डिवाइस पर डाउनलोड करता है और TensorFlow, लाइट रनटाइम रनटाइम का अनुमान लगाता है. इससे आप आसानी से अपनी पसंद का रनटाइम वर्शन चुन सकते हैं. इसमें पसंद के मुताबिक बनाया गया बिल भी शामिल है.

नए एमएल किट SDK टूल पर माइग्रेट करने से मुझे क्या फ़ायदे मिलेंगे?

नए SDK टूल पर माइग्रेट करने से यह पक्का हो जाएगा कि आपके ऐप्लिकेशन को नए गड़बड़ियां ठीक करने और डिवाइस पर मौजूद एपीआई से जुड़े सुधारों का फ़ायदा मिले. उदाहरण के लिए, यहां पहली रिलीज़ में कुछ बदलाव किए गए हैं:

  • अब आप नए कस्टम इमेज लेबलिंग और कस्टम ऑब्जेक्ट का पता लगाने और ट्रैकिंग के एपीआई का इस्तेमाल कर सकते हैं. इसकी मदद से, आप अपने ऐप्लिकेशन में इमेज को आसानी से अलग-अलग कैटगरी में बांटने वाले मॉडल और रीयल-टाइम इंटरैक्टिव उपयोगकर्ता अनुभव तैयार कर सकते हैं.

  • Android Jetpack Lifecycle सपोर्ट सभी एपीआई में जोड़ा जाता है. अब आप addObserver का इस्तेमाल कर सकते हैं. इसकी मदद से, एमएल किट एपीआई को अपने-आप शुरू और खोलने की प्रोसेस को मैनेज किया जा सकता है. इसकी मदद से, उपयोगकर्ता या सिस्टम के पास स्क्रीन को घुमाने या बंद करने की प्रोसेस होती है. इससे CameraX को आसान बनाया जा सकता है.

नए बदलावों की पूरी सूची एमएल किट SDK टूल के रिलीज़ नोट में देखी जा सकती है.

अगर आज मुझे Firebase के लिए एमएल किट का इस्तेमाल करना है, तो मुझे कब माइग्रेट करना होगा?

यह इस बात पर निर्भर करता है कि फ़िलहाल आप अपने ऐप्लिकेशन में जो Firebase एपीआई के लिए एमएल किट का इस्तेमाल कर रहे हैं.

  • Firebase SDK टूल के लिए एमएल किट में मौजूद डिवाइस पर मौजूद बेस एपीआई आने वाले समय के लिए काम करता रहेगा. हालांकि, नए एमएल किट SDK पर स्विच करने से, आपको नई सुविधाओं और अपडेट का फ़ायदा नहीं मिलेगा. इसके अलावा, आपके ऐप्लिकेशन में अन्य कॉम्पोनेंट अपडेट करने पर, डिपेंडेंसी से जुड़ी समस्या हो सकती है. ऐसा तब हो सकता है, जब आपकी कुछ अन्य डिपेंडेंसी (सीधे तौर पर या किसी दूसरे तरीके से) Firebase SDK टूल के लिए पुरानी एमएल किट के हिसाब से नई हों. ऐसी लाइब्रेरी जिनमें ऐसा हो सकता है, उनके उदाहरण OkHttp और Firebase-सामान्य हैं.

  • अगर आप Firebase SDK टूल के लिए एमएल किट से Cloud API का इस्तेमाल कर रहे हैं, तो इस समय कोई बदलाव करने की ज़रूरत नहीं है.

  • अगर कस्टम मॉडल डिप्लॉयमेंट का इस्तेमाल किया जा रहा है, तो हमारा सुझाव है कि आप सबसे नए वर्शन पर अपग्रेड करें. इससे, सीधे TensorFlow Lite रनटाइम पर अनुमान लगाए जा सकते हैं.