Yapay zekayı mobil, web ve yerleşik uygulamalarda dağıtın
-
Cihazda
Gecikmeyi azaltın. Çevrimdışı çalışın. Verilerinizi yerel tutun özel.
-
Platformlar arası
Aynı modeli Android, iOS, web ve yerleşik platformlarda çalıştırın.
-
Çoklu çerçeve
JAX, Keras, PyTorch ve TensorFlow modelleriyle uyumludur.
-
Tam yapay zeka uç yığını
Esnek çerçeveler, kullanıma hazır çözümler, donanım hızlandırıcılar
Hazır çözümler ve esnek çerçeveler
Yaygın AI görevleri için az kod gerektiren API'ler
Yaygın üretken yapay zeka, görüş, metin ve ses görevlerinin üstesinden gelmek için platformlar arası API'ler.
MediaPipe görevlerini kullanmaya başlamaÖzel modelleri platformlar arası dağıtma
Android, iOS, web ve yerleşik cihazlarda geleneksel makine öğrenimi ve üretken yapay zeka için optimize edilmiş JAX, Keras, PyTorch ve TensorFlow modellerini yüksek performansla çalıştırın.
LiRT'i kullanmaya başlamaGörselleştirmeyle geliştirme döngülerini kısaltın
Dönüşüm ve kesirli sayılaştırma yoluyla modelinizin dönüşümünü görselleştirin. Karşılaştırma sonuçlarını yer paylaşımı yaparak hotspot'larda hata ayıklama
Model Gezgini'ni kullanmaya başlamaKarmaşık makine öğrenimi özellikleri için özel ardışık düzenler derleyin
İşleme öncesi ve sonrası işlemlerin yanı sıra birden fazla makine öğrenimi modelini başarılı bir şekilde zincirleyerek kendi görevinizi geliştirin mantığıyla başlayalım. CPU'yu engellemeden hızlandırılmış (GPU ve NPU) ardışık düzenleri çalıştırın.
MediaPipe Framework'i kullanmaya başlamaGoogle'ın uygulamalarını destekleyen araçlar ve çerçeveler
Düşük kodlu API'lerden donanıma özel hızlandırma kitaplıklarına kadar her düzeyde ürün içeren tam yapay zeka uç katmanını keşfedin.
MediaPipe Görevleri
Üretken yapay zeka, bilgisayar görüşü, metin ve ses gibi yaygın görevler için minimum düzeyde kod gerektiren API'lerden yararlanarak mobil ve web uygulamalarında yapay zeka özelliklerini hızla derleyin.
Üretken yapay zeka
Kullanıma hazır API'lerle üretken dil ve görüntü modellerini doğrudan uygulamalarınıza entegre edin.
Görsel
Segmentasyon, sınıflandırma, algılama, tanıma ve vücut yer işaretlerini kapsayan çok çeşitli görüntüleme görevlerini keşfedin.
Kısa mesaj ve işitsel
Metin ve sesi dil, duygu ve kendi özel kategorileriniz gibi birçok kategoriye göre sınıflandırın.
Başlayın
MediaPipe Framework
Genellikle işlem öncesi ve sonrası ile birlikte birden fazla ML modelini içeren, yüksek performanslı hızlandırılmış makine öğrenimi ardışık düzenleri oluşturmak için kullanılan alt düzey bir çerçeve.
LiteRT
Herhangi bir çerçevede yazılmış yapay zeka modellerini optimize edilmiş donanıma özgü hızlandırmayla mobil, web ve mikro denetleyicilerde dağıtın.
Çok çerçeveli
Uçta çalışmak için modelleri JAX, Keras, PyTorch ve TensorFlow'dan dönüştürün.
Platformlar arası
Yerel SDK'larla Android, iOS, web ve mikro denetleyicilerde aynı modeli çalıştırın.
Hafif ve hızlı
LiteRT'in verimli çalışma zamanı yalnızca birkaç megabayt yer kaplar ve CPU, GPU ve NPU'lar arasında model hızlandırmayı sağlar.
Başlayın
Model Gezgini
Modellerinizi görsel olarak keşfedin, hata ayıklayın ve karşılaştırın. Sorunlu noktaları belirlemek için performans karşılaştırmalarını ve sayısal değerleri birleştirin.
Android ve Chrome'da Gemini Nano
Google'ın en güçlü cihaz üzerindeki modelini kullanarak üretken yapay zeka deneyimleri oluşturun