机器学习套件 AutoML Vision Edge 迁移指南

您可以将 AutoML 训练的图片分类模型传递给自定义模型 API。您可以继续将模型捆绑在应用中，也可以在 Firebase 控制台中将其托管为自定义模型。AutoML 图像标记 API 已从机器学习套件中移除，因为该 API 已完全被自定义模型图像标记 API 取代。

API有何变化？
AutoML Vision Edge 图片标签 API 它已完全被自定义模型图片标记 API 取代。移除了现有的 AutoML Vision Edge 图片标签 API。

如果您使用 AutoML Vision Edge API，请按照 Android 和 iOS 的迁移说明操作。

常见问题解答

此次变更的原因是什么？

它有助于简化机器学习套件 API，并使机器学习套件更易于集成到您的应用中。进行此更改后，您可以使用 AutoML 训练的模型，就像使用自定义模型一样。此外，除了我们支持的图片标记之外，您还可以使用 AutoML 训练的模型进行对象检测和跟踪。此外，自定义模型 API 同时支持元数据中嵌入了标签地图的模型，以及具有单独清单和标签文件的模型。

迁移到新版 SDK 有哪些好处？

  • 新功能：能够使用 AutoML 训练的模型进行图片标记以及对象检测和跟踪，并且能够使用元数据中嵌入了标签映射的模型。

Android 迁移指南

第 1 步：更新 Gradle 导入

根据下表，更新模块（应用级）Gradle 文件（通常为 app/build.gradle.kts）中 Android 版机器学习套件库的依赖项：

功能旧制品新工件
无需下载远程模型的图片标签 AutoML com.google.mlkit:image-labeling-automl:16.2.1 com.google.mlkit:image-labeling-custom:16.0.0-beta5
支持远程模型下载的图片标签 AutoML 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
如需托管和下载自定义模型，请将模型移至 Cloud Storage，并在应用中添加下载逻辑，以使用 LocalModel 加载这些模型。如需了解详情，请参阅 [Firebase ML 到 Cloud Storage 迁移指南][migrate-storage]。

第 2 步：更新类名称

如果您的课程显示在此表格中，请进行指示的更改：

旧课程新类
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.LocalModel
您的应用必须包含用于下载远程托管模型并使用 LocalModel 初始化这些模型的逻辑。
com.google.mlkit.vision.label.automl.AutoMLImageLabelerOptions com.google.mlkit.vision.label.custom.CustomImageLabelerOptions

第 3 步：更新方法名称

只需修改极少代码：

  • 现在，可以使用模型路径（如果模型具有包含标签映射的元数据）或模型清单路径（如果清单、模型和标签位于单独的文件中）初始化 LocalModel。
  • 向应用添加逻辑，以将远程托管的模型下载到本地存储空间，并使用 LocalModel 加载这些模型。

以下是一些新旧 Kotlin 方法的示例：

旧优惠

val localModel = AutoMLImageLabelerLocalModel.Builder()
    .setAssetFilePath("automl/manifest.json")
    // or .setAbsoluteFilePath(absolute 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()

新

// Similar process for both local and remotely-hosted models (that have been downloaded)
val localModel = LocalModel.Builder()
    .setAssetManifestFilePath("automl/manifest.json")
    // or .setAbsoluteManifestFilePath(absolute path to manifest file)
    .build()

val optionsWithLocalModel = CustomImageLabelerOptions.Builder(localModel)
    .setConfidenceThreshold(0.5f)
    .build()

以下是一些新旧 Java 方法的示例：

旧优惠

AutoMLImageLabelerLocalModel localModel =
    new AutoMLImageLabelerLocalModel.Builder()
        .setAssetFilePath("automl/manifest.json")
        // or .setAbsoluteFilePath(absolute 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();

新

// Similar process for local models and remotely-hosted models (that have been downloaded)
LocalModel localModel =
    new LocalModel.Builder()
        .setAssetManifestFilePath("automl/manifest.json")
        // or .setAbsoluteManifestFilePath(absolute path to manifest file)
        .build();
CustomImageLabelerOptions optionsWithLocalModel =
    new CustomImageLabelerOptions.Builder(localModel)
        .setConfidenceThreshold(0.5f)
        .build();

iOS 版迁移指南

前提条件

  • 需要 Xcode 13.2.1 或更高版本。

第 1 步：更新 Cocoapods

更新应用的 Podfile 中机器学习套件 iOS CocoaPods 的依赖项：

功能旧 pod 名称新的 pod 名称
无需下载远程模型的图片标签 AutoML GoogleMLKit/ImageLabelingAutoML GoogleMLKit/ImageLabelingCustom
支持远程模型下载的图片标签 AutoML GoogleMLKit/ImageLabelingAutoML
GoogleMLKit/LinkFirebase 		GoogleMLKit/ImageLabelingCustom
如需托管和下载自定义模型，请将模型移至 Cloud Storage，并在应用中添加下载逻辑，以将它们作为本地模型加载。如需了解详情，请参阅 [Firebase ML 到 Cloud Storage 迁移指南][migrate-storage]。

第 2 步：更新类名称

如果您的课程显示在此表格中，请进行指示的更改：

Swift

旧课程新类
AutoMLImageLabelerLocalModel LocalModel
AutoMLImageLabelerRemoteModel LocalModel
如需托管和下载自定义模型，请将模型移至 Cloud Storage，并在应用中添加下载逻辑，以将它们作为本地模型加载。如需了解详情，请参阅 [Firebase ML 到 Cloud Storage 的迁移指南][migrate-storage]。
AutoMLImageLabelerOptions CustomImageLabelerOptions

Objective-C

旧课程新类
MLKAutoMLImageLabelerLocalModel MLKLocalModel
MLKAutoMLImageLabelerRemoteModel MLKLocalModel
如需托管和下载自定义模型，请将模型移至 Cloud Storage，并在应用中添加下载逻辑，以将它们作为本地模型加载。如需了解详情，请参阅 [Firebase ML 到 Cloud Storage 的迁移指南][migrate-storage]。
MLKAutoMLImageLabelerOptions MLKCustomImageLabelerOptions

第 3 步：更新方法名称

只需修改极少代码：

  • 现在，可以使用模型路径（如果模型具有包含标签映射的元数据）或模型清单路径（如果清单、模型和标签位于单独的文件中）初始化 LocalModel。
  • 向应用添加逻辑，以将远程托管的模型下载到本地存储空间，并使用 LocalModel 加载这些模型。

以下是一些新旧 Swift 方法的示例：

旧优惠

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

新

// Similar process for local models and remotely-hosted models (that have been downloaded)
guard let localModel = LocalModel(manifestPath: "automl/manifest.json") else { return }
let optionsWithLocalModel = CustomImageLabelerOptions(localModel: localModel)

以下是一些新旧 Objective-C 方法的示例：

旧优惠

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];

新

// Similar process for local models and remotely-hosted models (that have been downloaded)
MLKLocalModel *localModel =
    [[MLKLocalModel alloc] initWithManifestPath:"automl/manifest.json"];
MLKCustomImageLabelerOptions *optionsWithLocalModel =
    [[MLKCustomImageLabelerOptions alloc] initWithLocalModel:localModel];