Sie können ein von AutoML trainiertes Bildklassifizierungsmodell an die APIs für benutzerdefinierte Modelle übergeben. Sie können das Modell weiterhin in Ihrer App bündeln oder es in der Firebase Console als benutzerdefiniertes Modell hosten. Die AutoML Image Labeling API wurde aus ML Kit entfernt, da sie vollständig durch die Custom Model Image Labeling API ersetzt wurde.
API | Was ändert sich? |
---|---|
AutoML Vision Edge API für Bild-Labeling | Sie wird vollständig durch die API für die Bildbeschriftung mit benutzerdefinierten Modellen ersetzt. Die vorhandene AutoML Vision Edge API für das Bild-Labeling wird entfernt. |
Wenn Sie derzeit ML Kit-Nutzer sind und die AutoML Vision Edge API verwenden, folgen Sie der Migrationsanleitung für Android und iOS.
Häufig gestellte Fragen
Was ist der Grund für diese Änderung?
Dadurch werden ML Kit APIs vereinfacht und die Einbindung von ML Kit in Ihre App erleichtert. Mit dieser Änderung können Sie ein mit AutoML trainiertes Modell auf genau dieselbe Weise wie ein benutzerdefiniertes Modell verwenden. Außerdem können Sie neben dem derzeit unterstützten Bildlabelling auch mit AutoML trainierte Modelle für die Objekterkennung und das Objekt-Tracking verwenden. Außerdem unterstützt die API für benutzerdefinierte Modelle sowohl Modelle mit in den Metadaten eingebetteter Labelskalierung als auch Modelle mit separaten Manifest- und Labelsdateien.
Welche Vorteile bietet die Migration zum neuen SDK?
- Neue Funktionen: Sie können mit AutoML trainierte Modelle sowohl für das Bildlabeln als auch für die Objekterkennung und das Objekt-Tracking verwenden. Außerdem können Sie Modelle mit einer in den Metadaten eingebetteten Labelkarte verwenden.
Migrationsanleitung für Android
Schritt 1: Gradle-Importe aktualisieren
Aktualisieren Sie die Abhängigkeiten für die ML Kit-Android-Bibliotheken in der Gradle-Datei Ihres Moduls (auf App-Ebene, in der Regel app/build.gradle
) gemäß der folgenden Tabelle:
Funktion | Alte Artefakte | Neues Artefakt |
---|---|---|
AutoML für Bild-Labeling ohne Remote-Modelldownload | com.google.mlkit:image-labeling-automl:16.2.1 | com.google.mlkit:image-labeling-custom:16.0.0-beta5 |
AutoML für Bild-Labeling mit Remote-Modelldownload |
com.google.mlkit:image-labeling-automl:16.2.1 com.google.mlkit:linkfirebase:16.0.1 |
com.google.mlkit:image-labeling-custom:16.0.0-beta5 com.google.mlkit:linkfirebase:17.0.0 |
Schritt 2: Kursnamen aktualisieren
Wenn Ihr Kurs in dieser Tabelle aufgeführt ist, nehmen Sie die angegebene Änderung vor:
Alte Kursinhalte | Neue Klasse |
---|---|
com.google.mlkit.vision.label.automl.AutoMLImageLabelerLocalModel | com.google.mlkit.common.model.LocalModel |
com.google.mlkit.vision.label.automl.AutoMLImageLabelerRemoteModel | com.google.mlkit.common.model.CustomRemoteModel |
com.google.mlkit.vision.label.automl.AutoMLImageLabelerOptions | com.google.mlkit.vision.label.custom.CustomImageLabelerOptions |
Schritt 3: Methodennamen aktualisieren
Es sind nur geringfügige Codeänderungen erforderlich:
LocalModel
kann jetzt entweder mit einem Pfad zu einer Modelldatei (wenn das Modell Metadaten mit der Labelzuordnung enthält) oder mit einem Pfad zu einer Modellmanifestdatei initialisiert werden (wenn sich Manifest, Modell und Labels in separaten Dateien befinden).- Sie können ein benutzerdefiniertes Modell per Remotezugriff über die Firebase Console hosten und eine
CustomRemoteModel
mit einerFirebaseModelSource
initialisieren.
Hier einige Beispiele für alte und neue Kotlin-Methoden:
Alt
val localModel = AutoMLImageLabelerLocalModel.Builder() .setAssetFilePath("automl/manifest.json") // or .setAbsoluteFilePath(absolute file path to manifest file) .build() val optionsWithLocalModel = AutoMLImageLabelerOptions.Builder(localModel) .setConfidenceThreshold(0.5f) .build() val remoteModel = AutoMLImageLabelerRemoteModel.Builder("automl_remote_model") .build() val optionsWithRemoteModel = AutoMLImageLabelerOptions.Builder(remoteModel) .build()
Neu
val localModel = LocalModel.Builder() .setAssetManifestFilePath("automl/manifest.json") // or .setAbsoluteManifestFilePath(absolute file path to manifest file) .build() val optionsWithLocalModel = CustomImageLabelerOptions.Builder(localModel) .setConfidenceThreshold(0.5f) .build() val firebaseModelSource = FirebaseModelSource.Builder("automl_remote_model") .build() val remoteModel = CustomRemoteModel.Builder(firebaseModelSource).build() val optionsWithRemoteModel = CustomImageLabelerOptions.Builder(remoteModel) .build()
Hier einige Beispiele für alte und neue Java-Methoden:
Alt
AutoMLImageLabelerLocalModel localModel = new AutoMLImageLabelerLocalModel.Builder() .setAssetFilePath("automl/manifest.json") // or .setAbsoluteFilePath(absolute file path to manifest file) .build(); AutoMLImageLabelerOptions optionsWithLocalModel = new AutoMLImageLabelerOptions.Builder(localModel) .setConfidenceThreshold(0.5f) .build(); AutoMLImageLabelerRemoteModel remoteModel = new AutoMLImageLabelerRemoteModel.Builder("automl_remote_model").build(); AutoMLImageLabelerOptions optionsWithRemoteModel = new AutoMLImageLabelerOptions.Builder(remoteModel) .build();
Neu
LocalModel localModel = new LocalModel.Builder() .setAssetManifestFilePath("automl/manifest.json") // or .setAbsoluteManifestFilePath(absolute file path to manifest file) .build() CustomImageLabelerOptions optionsWithLocalModel = new CustomImageLabelerOptions.Builder(localModel) .setConfidenceThreshold(0.5f) .build(); FirebaseModelSource firebaseModelSource = new FirebaseModelSource.Builder("automl_remote_model").build(); CustomRemoteModel remoteModel = new CustomRemoteModel.Builder(firebaseModelSource).build(); CustomImageLabelerOptions optionsWithRemoteModel = new CustomImageLabelerOptions.Builder(remoteModel).build();
Migrationsanleitung für iOS
Vorbereitung
- Xcode 13.2.1 oder höher ist erforderlich.
Schritt 1: Cocoapods aktualisieren
Aktualisieren Sie die Abhängigkeiten für die ML Kit iOS-CocoaPods in der Podfile Ihrer App:
Funktion | Alter Pod-Name(n) | Name(n) des neuen Pods |
---|---|---|
AutoML für Bild-Labeling ohne Remote-Modelldownload | GoogleMLKit/ImageLabelingAutoML | GoogleMLKit/ImageLabelingCustom |
AutoML für Bild-Labeling mit Remote-Modelldownload |
GoogleMLKit/ImageLabelingAutoML GoogleMLKit/LinkFirebase |
GoogleMLKit/ImageLabelingCustom GoogleMLKit/LinkFirebase |
Schritt 2: Kursnamen aktualisieren
Wenn Ihr Kurs in dieser Tabelle aufgeführt ist, nehmen Sie die angegebene Änderung vor:
Swift
Alte Kursinhalte | Neue Klasse |
---|---|
AutoMLImageLabelerLocalModel | LocalModel |
AutoMLImageLabelerRemoteModel | CustomRemoteModel |
AutoMLImageLabelerOptions | CustomImageLabelerOptions |
Objective-C
Alte Kursinhalte | Neue Klasse |
---|---|
MLKAutoMLImageLabelerLocalModel | MLKLocalModel |
MLKAutoMLImageLabelerRemoteModel | MLKCustomRemoteModel |
MLKAutoMLImageLabelerOptions | MLKCustomImageLabelerOptions |
Objective-C
Schritt 3: Methodennamen aktualisieren
Es sind nur geringfügige Codeänderungen erforderlich:
LocalModel
kann jetzt entweder mit einem Pfad zu einer Modelldatei (wenn das Modell Metadaten mit der Labelzuordnung enthält) oder mit einem Pfad zu einer Modellmanifestdatei initialisiert werden (wenn sich Manifest, Modell und Labels in separaten Dateien befinden).- Sie können ein benutzerdefiniertes Modell per Remotezugriff über die Firebase Console hosten und eine
CustomRemoteModel
mit einerFirebaseModelSource
initialisieren.
Hier einige Beispiele für alte und neue Swift-Methoden:
Alt
let localModel = AutoMLImageLabelerLocalModel(manifestPath: "automl/manifest.json") let optionsWithLocalModel = AutoMLImageLabelerOptions(localModel: localModel) let remoteModel = AutoMLImageLabelerRemoteModel(name: "automl_remote_model") let optionsWithRemoteModel = AutoMLImageLabelerOptions(remoteModel: remoteModel)
Neu
guard let localModel = LocalModel(manifestPath: "automl/manifest.json") else { return } let optionsWithLocalModel = CustomImageLabelerOptions(localModel: localModel) let firebaseModelSource = FirebaseModelSource(name: "automl_remote_model") let remoteModel = CustomRemoteModel(remoteModelSource: firebaseModelSource) let optionsWithRemoteModel = CustomImageLabelerOptions(remoteModel: remoteModel)
Hier einige Beispiele für alte und neue Objective-C-Methoden:
Alt
MLKAutoMLImageLabelerLocalModel *localModel = [[MLKAutoMLImageLabelerLocalModel alloc] initWithManifestPath:"automl/manifest.json"]; MLKAutoMLImageLabelerOptions *optionsWithLocalModel = [[MLKAutoMLImageLabelerOptions alloc] initWithLocalModel:localModel]; MLKAutoMLImageLabelerRemoteModel *remoteModel = [[MLKAutoMLImageLabelerRemoteModel alloc] initWithManifestPath:"automl/manifest.json"]; MLKAutoMLImageLabelerOptions *optionsWithRemoteModel = [[MLKAutoMLImageLabelerOptions alloc] initWithRemoteModel:remoteModel];
Neu
MLKLocalModel *localModel = [[MLKLocalModel alloc] initWithManifestPath:"automl/manifest.json"]; MLKCustomImageLabelerOptions *optionsWithLocalModel = [[MLKCustomImageLabelerOptions alloc] initWithLocalModel:localModel]; MLKFirebaseModelSource *firebaseModelSource = [[MLKFirebaseModelSource alloc] initWithName:@"automl_remote_model"]; MLKCustomRemoteModel *remoteModel = [[MLKCustomRemoteModel alloc] initWithRemoteModelSource:firebaseModelSource]; MLKCustomImageLabelerOptions *optionsWithRemoteModel = [[MLKCustomImageLabelerOptions alloc] initWithRemoteModel:remoteModel];