डेटा को दूसरी जगह भेजने से जुड़ी गाइड

हमने 3 जून, 2020 को Firebase के लिए ML Kit में कुछ बदलाव किए हैं. ऐसा इसलिए किया गया है, ताकि डिवाइस पर मौजूद एपीआई और क्लाउड पर आधारित एपीआई को बेहतर तरीके से अलग किया जा सके. एपीआई के मौजूदा सेट को अब इन दो प्रॉडक्ट में बांट दिया गया है:

  • एमएल किट एक नया प्रॉडक्ट है. इसमें डिवाइस पर मौजूद सभी एपीआई शामिल होंगे

  • Firebase मशीन लर्निंग, जिसमें क्लाउड-आधारित एपीआई और कस्टम मॉडल डिप्लॉयमेंट पर फ़ोकस किया गया है.

इस बदलाव से, एमएल किट को ऐप्लिकेशन में इंटिग्रेट करना भी आसान हो जाएगा. ऐसा तब होगा, जब आपको सिर्फ़ डिवाइस पर कोई समाधान चाहिए. इस दस्तावेज़ में, आपके ऐप्लिकेशन को Firebase ML Kit SDK टूल से नए एमएल किट SDK टूल में माइग्रेट करने का तरीका बताया गया है.

क्या बदलाव होने वाले हैं?

ऑन-डिवाइस बेस एपीआई

इन एपीआई को नए स्टैंडअलोन एमएल किट SDK टूल पर ले जाया गया है.

  • बारकोड स्कैन करना
  • चेहरे की पहचान
  • इमेज को लेबल करना
  • ऑब्जेक्ट का पता लगाना और उसे ट्रैक करना
  • टेक्स्ट की पहचान
  • भाषा ID
  • स्मार्ट जवाब
  • अनुवाद पाएं
  • AutoML विज़न Edge अनुमान एपीआई

'Firebase के लिए ML Kit' SDK टूल के मौजूदा ऑन-डिवाइस बेस एपीआई बंद कर दिए गए हैं और उन्हें अब अपडेट नहीं मिलेंगे.

अगर आज इन एपीआई का इस्तेमाल आपके ऐप्लिकेशन में किया जा रहा है, 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 डाउनलोड करने की सुविधा Firebase ML SDK टूल के ज़रिए मिलती रहेगी. SDK टूल, सबसे नए उपलब्ध मॉडल को फ़ेच करता है और अनुमान के लिए, उसे अलग-अलग TensorFlow Lite रनटाइम पर भेजता है.

'Firebase के लिए एमएल किट' SDK टूल के कस्टम मॉडल इंटरप्रेटर का इस्तेमाल बंद कर दिया गया है. अब इसे अपडेट नहीं मिलेंगे. हमारा सुझाव है कि अंदाज़ा लगाने के लिए, सीधे तौर पर TensorFlow Lite रनटाइम का इस्तेमाल करें. इसके अलावा, अगर आपको सिर्फ़ इमेज लेबलिंग, ऑब्जेक्ट की पहचान करने, और ट्रैकिंग एपीआई के लिए कस्टम मॉडल का इस्तेमाल करना है, तो अब सीधे ML Kit में इन एपीआई में कस्टम मॉडल का इस्तेमाल किया जा सकता है.

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

क्या नहीं बदला है?

Firebase ML के साथ क्लाउड-आधारित एपीआई और सेवाएं मिलती रहेंगी:

  • क्लाउड-आधारित इमेज लेबलिंग, टेक्स्ट की पहचान, और लैंडमार्क की पहचान करने वाले एपीआई, Firebase ML SDK टूल पर अब भी उपलब्ध हैं.

  • Firebase ML मॉडल डिप्लॉयमेंट की सुविधा भी देता रहेगा

अक्सर पूछे जाने वाले सवाल

यह बदलाव क्यों किया गया है?

हम यह बदलाव यह बताने के लिए कर रहे हैं कि यह प्रॉडक्ट, किस तरह के समाधान दे रहा है. इस बदलाव के साथ, नए ML Kit SDK टूल का पूरा फ़ोकस डिवाइस पर मौजूद मशीन लर्निंग पर है. इसमें सभी डेटा प्रोसेसिंग डिवाइस पर होती है. साथ ही, यह डेवलपर के लिए बिना किसी शुल्क के उपलब्ध है. जो क्लाउड सेवाएं पहले Firebase ML Kit का हिस्सा थीं वे अब भी Firebase ML के ज़रिए उपलब्ध रहती हैं. हालांकि, ML Kit API के साथ अब भी इनका इस्तेमाल किया जा सकता है.

डिवाइस पर मौजूद एपीआई के लिए, नए ML Kit SDK टूल की मदद से डेवलपर, ML Kit को अपने ऐप्लिकेशन में इंटिग्रेट करना आसान बना देते हैं. अब से, आपको ऐप्लिकेशन के प्रोजेक्ट में डिपेंडेंसी जोड़नी होगी और एपीआई का इस्तेमाल शुरू करना होगा. सिर्फ़ ऑन-डिवाइस एपीआई इस्तेमाल करने के लिए, Firebase प्रोजेक्ट सेट अप करने की ज़रूरत नहीं होती.

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

Firebase मशीन लर्निंग पहले की तरह आपके मॉडल को पेश करती रहेगी. इससे, फ़ंक्शन को इस्तेमाल करने के तरीके में कोई बदलाव नहीं होगा. यहां कुछ सुधार किए गए हैं:

  • अब Python या Node SDK का इस्तेमाल करके, अपने मॉडल को प्रोग्राम के हिसाब से Firebase में डिप्लॉय किया जा सकता है.

  • अब Firebase ML SDK टूल को TensorFlow Lite रनटाइम के साथ इस्तेमाल किया जा सकता है. Firebase SDK टूल, डिवाइस पर मॉडल को डाउनलोड करता है और TensorFlow Lite रनटाइम, अनुमान की तरह काम करता है. इससे अपनी पसंद का रनटाइम वर्शन आसानी से चुना जा सकता है, जिसमें कस्टम बिल्ड भी शामिल है.

नए ML Kit 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, सबसे नई गड़बड़ियां ठीक करने और on-device API में हुए सुधारों का फ़ायदा मिलेगा. उदाहरण के लिए, यहां पहली रिलीज़ में कुछ बदलावों के बारे में बताया गया है:

  • अब कस्टम इमेज लेबलिंग की नई सुविधा और कस्टम ऑब्जेक्ट की पहचान और ट्रैकिंग एपीआई का इस्तेमाल किया जा सकता है. इससे, आपके ऐप्लिकेशन में इमेज क्लासिफ़िकेशन मॉडल को आसानी से इंटिग्रेट किया जा सकता है. साथ ही, रीयल-टाइम में इंटरैक्टिव उपयोगकर्ता अनुभव भी दिया जा सकता है.

  • Android Jetpack Lifecycle सभी एपीआई में जोड़ा गया है. अब addObserver का इस्तेमाल करके, एमएल किट एपीआई को शुरू करने और उसे बंद करने की प्रोसेस को अपने-आप मैनेज किया जा सकता है. ऐसा तब किया जा सकता है, जब ऐप्लिकेशन के स्क्रीन घुमाने या उसे बंद करने की प्रक्रिया उपयोगकर्ता / सिस्टम से की जाती है. इससे CameraX के साथ इंटिग्रेशन करना आसान हो जाता है.

नए बदलावों की पूरी सूची, एमएल किट SDK टूल की जानकारी में देखी जा सकती है.

मैं आज Firebase के लिए ML Kit का इस्तेमाल कर रहा/रही हूं. मुझे माइग्रेट करने की ज़रूरत कब है?

यह इस बात पर निर्भर करता है कि फ़िलहाल, आपके ऐप्लिकेशन में Firebase एपीआई के लिए कौनसे ML Kit का इस्तेमाल किया जा रहा है.

  • 'Firebase के लिए ML Kit' SDK टूल में मौजूद ऑन-डिवाइस बेस एपीआई, आने वाले समय में भी काम करते रहेंगे. हालांकि, नए एमएल किट SDK टूल पर स्विच करने में देरी करने से आपको नई सुविधाओं और अपडेट का फ़ायदा नहीं मिलेगा. इसके अलावा, अपने ऐप्लिकेशन में अन्य कॉम्पोनेंट को अपडेट करने के बाद, डिपेंडेंसी के विवाद का सामना करना पड़ सकता है. ऐसा तब हो सकता है, जब आपकी कुछ अन्य डिपेंडेंसी (डायरेक्ट या इनडायरेक्ट), Firebase SDK टूल के लिए पुराने एमएल किट में उम्मीद के मुताबिक नई हों. लाइब्रेरी के उदाहरण, जिनके लिए ऐसा हो सकता है, OkHttp और firebase-Common.

  • अगर 'Firebase के लिए ML Kit' SDK टूल की मदद से Cloud API का इस्तेमाल किया जा रहा है, तो इस समय किसी बदलाव की ज़रूरत नहीं है.

  • अगर कस्टम मॉडल डिप्लॉयमेंट का इस्तेमाल किया जा रहा है, तो हमारा सुझाव है कि आप नए वर्शन पर अपग्रेड करें. इससे, TensorFlow Lite रनटाइम पर अनुमानित जानकारी सीधे तौर पर चल सकेगी.