আপনি কাস্টম মডেল API-তে AutoML-এর মাধ্যমে ট্রেনিং দেওয়া ইমেজ ক্লাসিফিকেশন মডেল পাস করতে পারবেন। আপনি আপনার অ্যাপের মধ্যে মডেলটি বান্ডেল করা চালিয়ে যেতে পারেন বা কাস্টম মডেল হিসেবে Firebase কনসোলে হোস্ট করতে পারেন। AutoML ইমেজ লেবেলিং API-কে ML Kit থেকে সরিয়ে দেওয়া হয়েছে কারণ এটি সম্পূর্ণভাবে কাস্টম মডেল ইমেজ লেবেলিং API দ্বারা প্রতিস্থাপিত হয়েছে।
| API | কী পরিবর্তন হচ্ছে? |
|---|---|
| AutoML Vision Edge ইমেজ লেবেলিং API | এটি কাস্টম মডেল ইমেজ লেবেলিং API দ্বারা সম্পূর্ণভাবে প্রতিস্থাপিত হয়েছে। আগে থেকে থাকা AutoML Vision Edge ইমেজ লেবেলিং API সরিয়ে দেওয়া হয়েছে। |
আপনি AutoML Vision Edge API ব্যবহার করলে, Android ও iOS-এর জন্য মাইগ্রেশন সংক্রান্ত নির্দেশাবলী অনুসরণ করুন।
প্রায়শই জিজ্ঞাসিত প্রশ্ন
এই পরিবর্তন কেন করা হচ্ছে?
এটি ML Kit API-কে সহজ করে তোলে এবং আপনার অ্যাপে ML Kit-কে আরও সহজে ইন্টিগ্রেট করতে সাহায্য করে। এই পরিবর্তনের মাধ্যমে, আপনি AutoML-এর মাধ্যমে ট্রেনিং দেওয়া মডেলকে কাস্টম মডেলের মতোই ব্যবহার করতে পারবেন। এছাড়াও, এটি আপনাকে অবজেক্ট শনাক্তকরণ ও ট্র্যাকিংয়ের জন্য AutoML-এর মাধ্যমে ট্রেনিং দেওয়া মডেল ব্যবহার করতে দেয়, এর সাথে আমরা যে ইমেজ লেবেলিংয়ের সুবিধা দিই সেটিও ব্যবহার করতে পারবেন। এছাড়াও, কাস্টম মডেল API, মেটাডেটাতে এম্বেড করা লেবেল ম্যাপ সহ মডেল এবং আলাদা ম্যানিফেস্ট ও লেবেল ফাইল সহ মডেল, উভয়কেই সাপোর্ট করে।
নতুন SDK-তে মাইগ্রেট করলে আমি কী কী সুবিধা পাব?
- নতুন ফিচার: ইমেজ লেবেলিং এবং অবজেক্ট ডিটেকশন ও ট্র্যাকিং, দুটির জন্যই AutoML-ট্রেন করা মডেল ব্যবহার করার সুবিধা এবং মেটাডেটায় এম্বেড করা লেবেল ম্যাপ সহ মডেল ব্যবহার করার সুবিধা।
Android-এর জন্য মাইগ্রেশন গাইড
ধাপ ১: Gradle ইমপোর্ট আপডেট করা
আপনার মডিউল (অ্যাপ-লেভেল) Gradle ফাইলে (সাধারণত app/build.gradle.kts) ML Kit Android লাইব্রেরির ডিপেন্ডেন্সি
নিম্নলিখিত টেবিল অনুযায়ী
আপডেট করুন:
| ফিচার | পুরনো আর্টিফ্যাক্ট | নতুন আর্টিফ্যাক্ট |
|---|---|---|
| রিমোট মডেল ডাউনলোড না করে AutoML-এর মাধ্যমে ইমেজ লেবেলিং | com.google.mlkit:image-labeling-automl:16.2.1 | com.google.mlkit:image-labeling-custom:16.0.0-beta5 |
| রিমোট মডেল ডাউনলোডের মাধ্যমে AutoML-এ ইমেজ লেবেলিং |
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 কাস্টম মডেল হোস্ট ও ডাউনলোড করতে, আপনার মডেল ক্লাউড স্টোরেজে সরান এবং LocalModel ব্যবহার করে সেগুলি লোড করতে আপনার অ্যাপে ডাউনলোড লজিক যোগ করুন। বিস্তারিত জানতে, [Firebase ML থেকে Cloud Storage-এ মাইগ্রেশন গাইড][migrate-storage] দেখুন। |
ধাপ ২: ক্লাসের নাম আপডেট করুন
এই টেবিলে আপনার ক্লাস দেখানো হলে, নির্দেশিত পরিবর্তন করুন:
| পুরনো ক্লাস | নতুন ক্লাস |
|---|---|
| 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 আপনার অ্যাপে রিমোটলি-হোস্ট করা মডেল ডাউনলোড করার লজিক অন্তর্ভুক্ত থাকতে হবে এবং LocalModel ব্যবহার করে সেগুলি শুরু করতে হবে। |
| com.google.mlkit.vision.label.automl.AutoMLImageLabelerOptions | com.google.mlkit.vision.label.custom.CustomImageLabelerOptions |
ধাপ ৩: পদ্ধতির নাম আপডেট করা
কোডে খুব সামান্য পরিবর্তন করা হয়েছে:
LocalModelএখন মডেল পাথ (মডেলের মেটাডেটায় লেবেল ম্যাপ থাকলে) অথবা মডেল ম্যানিফেস্ট পাথ (ম্যানিফেস্ট, মডেল ও লেবেল আলাদা ফাইলে থাকলে) দিয়ে শুরু করা যাবে।- আপনার অ্যাপে লজিক যোগ করুন যাতে রিমোটলি-হোস্ট করা মডেল লোকাল স্টোরেজে ডাউনলোড করা যায় এবং
LocalModelব্যবহার করে সেগুলি লোড করা যায়।
এখানে Kotlin-এর পুরনো ও নতুন পদ্ধতির কিছু উদাহরণ দেওয়া হল:
পুরনো
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()
নতুন
// 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()
এখানে পুরনো ও নতুন Java পদ্ধতির কিছু উদাহরণ দেওয়া হল:
পুরনো
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();
নতুন
// 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-এর জন্য মাইগ্রেশন গাইড
পূর্বশর্ত
- Xcode 13.2.1 বা তার পরের যেকোনও ভার্সন প্রয়োজন।
ধাপ ১: Cocoapods আপডেট করা
আপনার অ্যাপের Podfile-এ ML Kit iOS cocoapods-এর জন্য ডিপেন্ডেন্সি আপডেট করুন:
| ফিচার | পুরনো পডের নাম | নতুন পডের নাম |
|---|---|---|
| রিমোট মডেল ডাউনলোড না করে AutoML-এর মাধ্যমে ইমেজ লেবেলিং | GoogleMLKit/ImageLabelingAutoML | GoogleMLKit/ImageLabelingCustom |
| রিমোট মডেল ডাউনলোডের মাধ্যমে AutoML-এ ইমেজ লেবেলিং |
GoogleMLKit/ImageLabelingAutoML GoogleMLKit/LinkFirebase |
GoogleMLKit/ImageLabelingCustom কাস্টম মডেল হোস্ট ও ডাউনলোড করতে, আপনার মডেল Cloud Storage-এ সরান এবং আপনার অ্যাপে ডাউনলোড লজিক যোগ করুন যাতে সেগুলি লোকাল মডেল হিসেবে লোড করা যায়। বিস্তারিত জানতে, [Firebase ML থেকে Cloud Storage-এ মাইগ্রেশন সংক্রান্ত নির্দেশিকা][migrate-storage] দেখুন। |
ধাপ ২: ক্লাসের নাম আপডেট করুন
এই টেবিলে আপনার ক্লাস দেখানো হলে, নির্দেশিত পরিবর্তন করুন:
Swift
| পুরনো ক্লাস | নতুন ক্লাস |
|---|---|
| AutoMLImageLabelerLocalModel | LocalModel |
| AutoMLImageLabelerRemoteModel |
LocalModel কাস্টম মডেল হোস্ট ও ডাউনলোড করতে, আপনার মডেল Cloud Storage-এ সরান এবং আপনার অ্যাপে ডাউনলোড লজিক যোগ করুন যাতে সেগুলি লোকাল মডেল হিসেবে লোড করা যায়। বিস্তারিত জানতে, [Firebase ML থেকে Cloud Storage-এ মাইগ্রেশন সংক্রান্ত নির্দেশিকা][migrate-storage] দেখুন। |
| AutoMLImageLabelerOptions | CustomImageLabelerOptions |
Objective-C
| পুরনো ক্লাস | নতুন ক্লাস |
|---|---|
| MLKAutoMLImageLabelerLocalModel | MLKLocalModel |
| MLKAutoMLImageLabelerRemoteModel |
MLKLocalModel কাস্টম মডেল হোস্ট ও ডাউনলোড করতে, আপনার মডেল Cloud Storage-এ সরান এবং আপনার অ্যাপে ডাউনলোড লজিক যোগ করুন যাতে সেগুলি লোকাল মডেল হিসেবে লোড করা যায়। বিস্তারিত জানতে, [Firebase ML থেকে Cloud Storage-এ মাইগ্রেশন সংক্রান্ত নির্দেশিকা][migrate-storage] দেখুন। |
| MLKAutoMLImageLabelerOptions | MLKCustomImageLabelerOptions |
ধাপ ৩: পদ্ধতির নাম আপডেট করা
কোডে খুব সামান্য পরিবর্তন করা হয়েছে:
LocalModelএখন মডেল পাথ (মডেলের মেটাডেটায় লেবেল ম্যাপ থাকলে) অথবা মডেল ম্যানিফেস্ট পাথ (ম্যানিফেস্ট, মডেল ও লেবেল আলাদা ফাইলে থাকলে) দিয়ে শুরু করা যাবে।- আপনার অ্যাপে লজিক যোগ করুন যাতে রিমোটলি-হোস্ট করা মডেল লোকাল স্টোরেজে ডাউনলোড করা যায় এবং
LocalModelব্যবহার করে সেগুলি লোড করা যায়।
এখানে পুরনো ও নতুন Swift পদ্ধতির কিছু উদাহরণ দেওয়া হল:
পুরনো
let localModel =
AutoMLImageLabelerLocalModel(manifestPath: "automl/manifest.json")
let optionsWithLocalModel = AutoMLImageLabelerOptions(localModel: localModel)
let remoteModel = AutoMLImageLabelerRemoteModel(name: "automl_remote_model")
let optionsWithRemoteModel = AutoMLImageLabelerOptions(remoteModel: remoteModel)নতুন
// 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)
এখানে পুরনো ও নতুন Objective-C পদ্ধতির কিছু উদাহরণ দেওয়া হল:
পুরনো
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];
নতুন
// 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];