راهنمای انتقال ML Kit AutoML Vision Edge

شما می‌توانید یک مدل طبقه‌بندی تصویر آموزش‌دیده توسط AutoML را به APIهای مدل سفارشی منتقل کنید. می‌توانید مدل را درون برنامه خود بسته‌بندی کنید یا آن را به عنوان یک مدل سفارشی در کنسول Firebase میزبانی کنید. API برچسب‌گذاری تصویر AutoML از ML Kit حذف شده است زیرا به طور کامل با API برچسب‌گذاری تصویر مدل سفارشی جایگزین شده است.

اگر در حال حاضر کاربر کیت یادگیری ماشین هستید و از AutoML Vision Edge API استفاده می‌کنید، لطفاً دستورالعمل‌های مهاجرت برای اندروید و iOS را دنبال کنید.

سوالات متداول

چرا این تغییر؟

این به ساده‌سازی APIهای کیت ML کمک می‌کند و ادغام کیت ML را در برنامه شما آسان‌تر می‌کند. با این تغییر، می‌توانید از یک مدل آموزش‌دیده AutoML دقیقاً به همان روشی که از یک مدل سفارشی استفاده می‌کنید، استفاده کنید. همچنین به شما این امکان را می‌دهد که علاوه بر برچسب‌گذاری تصویر که در حال حاضر از آن پشتیبانی می‌کنیم، از مدل‌های آموزش‌دیده AutoML برای تشخیص و ردیابی شیء استفاده کنید. علاوه بر این، API مدل سفارشی از هر دو مدل با نقشه برچسب تعبیه شده در ابرداده خود و مدل‌هایی با فایل‌های مانیفست و برچسب جداگانه پشتیبانی می‌کند.

با مهاجرت به SDK جدید چه مزایایی کسب می‌کنم؟

• ویژگی‌های جدید: امکان استفاده از مدل‌های آموزش‌دیده AutoML برای برچسب‌گذاری تصویر و تشخیص و ردیابی شیء و امکان استفاده از مدل‌هایی که نقشه برچسب در فراداده آنها تعبیه شده است.

راهنمای مهاجرت به اندروید

مرحله 1: به‌روزرسانی ایمپورت‌های Gradle

وابستگی‌های کتابخانه‌های اندروید ML Kit را در فایل Gradle ماژول (سطح برنامه) خود (معمولاً app/build.gradle ) طبق جدول زیر به‌روزرسانی کنید:

مرحله ۲: به‌روزرسانی نام کلاس‌ها

اگر کلاس شما در این جدول وجود دارد، تغییر مشخص شده را اعمال کنید:

مرحله ۳: به‌روزرسانی نام متدها

تغییرات کد حداقلی هستند:

• اکنون LocalModel می‌تواند با مسیر فایل مدل (اگر مدل دارای فراداده‌ای حاوی نقشه برچسب باشد) یا مسیر فایل مانیفست مدل (اگر مانیفست، مدل و برچسب‌ها در فایل‌های جداگانه باشند) مقداردهی اولیه شود.
• شما می‌توانید یک مدل سفارشی را از راه دور از طریق کنسول Firebase میزبانی کنید و یک CustomRemoteModel را با FirebaseModelSource مقداردهی اولیه کنید.

در اینجا چند نمونه از متدهای قدیمی و جدید کاتلین آورده شده است:

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()

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()

در اینجا چند نمونه از متدهای قدیمی و جدید جاوا آورده شده است:

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();

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();

راهنمای مهاجرت به iOS

پیش‌نیازها

• Xcode نسخه ۱۳.۲.۱ یا بالاتر مورد نیاز است.

مرحله ۱: به‌روزرسانی Cocoapods

وابستگی‌های cocoapods مربوط به ML Kit iOS را در Podfile برنامه خود به‌روزرسانی کنید:

مرحله ۲: به‌روزرسانی نام کلاس‌ها

اگر کلاس شما در این جدول وجود دارد، تغییر مشخص شده را اعمال کنید:

let localModel =
    AutoMLImageLabelerLocalModel(manifestPath: "automl/manifest.json")
let optionsWithLocalModel = AutoMLImageLabelerOptions(localModel: localModel)
let remoteModel = AutoMLImageLabelerRemoteModel(name: "automl_remote_model")
let optionsWithRemoteModel = AutoMLImageLabelerOptions(remoteModel: remoteModel)

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)

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];

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];