Drejtoni në mënyrë performuese modelet JAX, Keras, PyTorch dhe TensorFlow në pajisjet Android, iOS, ueb dhe të integruara, të optimizuara për ML tradicionale dhe AI gjeneruese.
Ndërtoni tubacione të personalizuara për veçori komplekse ML
Ndërtoni detyrën tuaj duke lidhur me performancë modele të shumta ML së bashku me logjikën e përpunimit para dhe pas. Drejtoni tubacionet e përshpejtuara (GPU & NPU) pa bllokuar CPU.
Mjetet dhe kornizat që fuqizojnë aplikacionet e Google
Eksploroni grupin e plotë të skajeve të AI, me produkte në çdo nivel - nga API-të me kod të ulët deri te bibliotekat specifike të përshpejtimit të harduerit.
Detyrat MediaPipe
Ndërtoni me shpejtësi veçoritë e AI në aplikacione celulare dhe në ueb duke përdorur API me kod të ulët për detyra të zakonshme që përfshijnë AI gjeneruese, vizion kompjuterik, tekst dhe audio.
AI gjeneruese
Integroni gjuhë gjeneruese dhe modele imazhi direkt në aplikacionet tuaja me API të gatshme për përdorim.
Vizioni
Eksploroni një gamë të madhe detyrash vizioni që përfshijnë segmentimin, klasifikimin, zbulimin, njohjen dhe pikat referuese të trupit.
Tekst dhe audio
Klasifikoni tekstin dhe audion në shumë kategori, duke përfshirë gjuhën, ndjenjat dhe kategoritë tuaja të personalizuara.
Filloni
Dokumentacioni i detyrave
Gjeni të gjitha detyrat tona të gatshme me kod të ulët MediaPipe me dokumentacion dhe mostra kodesh.
Detyrat gjeneruese të AI
Ekzekutoni LLM dhe modelet e difuzionit në avantazh me detyrat tona gjeneruese të AI nga MediaPipe.
Provoni demonstrimet
Eksploroni bibliotekën tonë të MediaPipe Tasks dhe provoni ato vetë.
Dokumentacioni i prodhuesit të modelit
Personalizoni modelet në detyrat tona MediaPipe me të dhënat tuaja.
Korniza MediaPipe
Një kornizë e nivelit të ulët e përdorur për të ndërtuar tubacione ML të përshpejtuara me performancë të lartë, shpesh duke përfshirë modele të shumta ML të kombinuara me përpunimin para dhe pas.
Vendosni modele të inteligjencës artificiale të autorizuara në çdo kornizë përmes celularëve, uebit dhe mikrokontrolluesve me përshpejtim specifik të harduerit të optimizuar.
Multi-kornizë
Konvertoni modelet nga JAX, Keras, PyTorch dhe TensorFlow për të ekzekutuar në avantazh.
Ndër-platformë
Ekzekutoni të njëjtin model të saktë në Android, iOS, ueb dhe mikrokontrollues me SDK-të vendase.
E lehte dhe e shpejte
Koha efikase e funksionimit të LiteRT merr vetëm disa megabajt dhe mundëson përshpejtimin e modelit nëpër CPU, GPU dhe NPU.
Filloni
Zgjidh një model
Zgjidhni një model të ri, rikualifikoni një ekzistues ose sillni tuajin.
Konverto
Konvertoni modelin tuaj JAX, Keras, PyTorch ose Tensorflow në një model të optimizuar LiteRT.
Vendosni
Drejtoni një model LiteRT në Android, iOS, ueb dhe mikrokontrollues.
Kuantizoj
Kompresoni modelin tuaj për të reduktuar vonesën, madhësinë dhe kujtesën maksimale.
Model Explorer
Eksploroni vizualisht, korrigjoni dhe krahasoni modelet tuaja. Mbivendosni standardet e performancës dhe numrat për të identifikuar pikat e nxehta problematike.
Drejtoni në mënyrë performuese modelet JAX, Keras, PyTorch dhe TensorFlow në pajisjet Android, iOS, ueb dhe të integruara, të optimizuara për ML tradicionale dhe AI gjeneruese.
Ndërtoni tubacione të personalizuara për veçori komplekse ML
Ndërtoni detyrën tuaj duke lidhur me performancë modele të shumta ML së bashku me logjikën e përpunimit para dhe pas. Drejtoni tubacionet e përshpejtuara (GPU & NPU) pa bllokuar CPU.
Mjetet dhe kornizat që fuqizojnë aplikacionet e Google
Eksploroni grupin e plotë të skajeve të AI, me produkte në çdo nivel - nga API-të me kod të ulët deri te bibliotekat specifike të përshpejtimit të harduerit.
Detyrat MediaPipe
Ndërtoni me shpejtësi veçoritë e AI në aplikacione celulare dhe në ueb duke përdorur API me kod të ulët për detyra të zakonshme që përfshijnë AI gjeneruese, vizion kompjuterik, tekst dhe audio.
AI gjeneruese
Integroni gjuhë gjeneruese dhe modele imazhi direkt në aplikacionet tuaja me API të gatshme për përdorim.
Vizioni
Eksploroni një gamë të madhe detyrash vizioni që përfshijnë segmentimin, klasifikimin, zbulimin, njohjen dhe pikat referuese të trupit.
Tekst dhe audio
Klasifikoni tekstin dhe audion në shumë kategori, duke përfshirë gjuhën, ndjenjat dhe kategoritë tuaja të personalizuara.
Filloni
Dokumentacioni i detyrave
Gjeni të gjitha detyrat tona të gatshme me kod të ulët MediaPipe me dokumentacion dhe mostra kodesh.
Detyrat gjeneruese të AI
Ekzekutoni LLM dhe modelet e difuzionit në avantazh me detyrat tona gjeneruese të AI nga MediaPipe.
Provoni demonstrimet
Eksploroni bibliotekën tonë të MediaPipe Tasks dhe provoni ato vetë.
Dokumentacioni i prodhuesit të modelit
Personalizoni modelet në detyrat tona MediaPipe me të dhënat tuaja.
Korniza MediaPipe
Një kornizë e nivelit të ulët e përdorur për të ndërtuar tubacione ML të përshpejtuara me performancë të lartë, shpesh duke përfshirë modele të shumta ML të kombinuara me përpunimin para dhe pas.
Vendosni modele të inteligjencës artificiale të autorizuara në çdo kornizë përmes celularëve, uebit dhe mikrokontrolluesve me përshpejtim specifik të harduerit të optimizuar.
Multi-kornizë
Konvertoni modelet nga JAX, Keras, PyTorch dhe TensorFlow për të ekzekutuar në avantazh.
Ndër-platformë
Ekzekutoni të njëjtin model të saktë në Android, iOS, ueb dhe mikrokontrollues me SDK-të vendase.
E lehte dhe e shpejte
Koha efikase e funksionimit të LiteRT merr vetëm disa megabajt dhe mundëson përshpejtimin e modelit nëpër CPU, GPU dhe NPU.
Filloni
Zgjidh një model
Zgjidhni një model të ri, rikualifikoni një ekzistues ose sillni tuajin.
Konverto
Konvertoni modelin tuaj JAX, Keras, PyTorch ose Tensorflow në një model të optimizuar LiteRT.
Vendosni
Drejtoni një model LiteRT në Android, iOS, ueb dhe mikrokontrollues.
Kuantizoj
Kompresoni modelin tuaj për të reduktuar vonesën, madhësinë dhe kujtesën maksimale.
Model Explorer
Eksploroni vizualisht, korrigjoni dhe krahasoni modelet tuaja. Mbivendosni standardet e performancës dhe numrat për të identifikuar pikat e nxehta problematike.
Një udhërrëfyes për zgjidhjet GenAI në pajisje të Android
1 tetor 2024
Si të sillni modelin tuaj AI në pajisjet Android
2 tetor 2024
Gemini Nano tani është i disponueshëm në Android nëpërmjet aksesit eksperimental
1 tetor 2024
TensorFlow Lite tani është LiteRT
4 shtator 2024
[[["E lehtë për t'u kuptuar","easyToUnderstand","thumb-up"],["E zgjidhi problemin tim","solvedMyProblem","thumb-up"],["Tjetër","otherUp","thumb-up"]],[["Mungojnë informacionet që më nevojiten","missingTheInformationINeed","thumb-down"],["Shumë e ndërlikuar/shumë hapa","tooComplicatedTooManySteps","thumb-down"],["E papërditësuar","outOfDate","thumb-down"],["Problem përkthimi","translationIssue","thumb-down"],["Problem me kampionët/kodin","samplesCodeIssue","thumb-down"],["Tjetër","otherDown","thumb-down"]],[],[],[],null,["# Google AI Edge\n\n### Deploy AI across mobile, web, and embedded applications\n\n - \n\n #### On device\n\n Reduce latency. Work offline. Keep your data local \\& private.\n- \n - \n\n #### Cross-platform\n\n Run the same model across Android, iOS, web, and embedded.\n- \n - \n\n #### Multi-framework\n\n Compatible with JAX, Keras, PyTorch, and TensorFlow models.\n- \n - \n\n #### Full AI edge stack\n\n Flexible frameworks, turnkey solutions, hardware accelerators\n\nReady-made solutions and flexible frameworks\n--------------------------------------------\n\n### Low-code APIs for common AI tasks\n\nCross-platform APIs to tackle common generative AI, vision, text, and audio tasks.\n[Get started with MediaPipe tasks](https://ai.google.dev/edge/mediapipe/solutions/guide) \n\n### Deploy custom models cross-platform\n\nPerformantly run JAX, Keras, PyTorch, and TensorFlow models on Android, iOS, web, and embedded devices, optimized for traditional ML and generative AI.\n[Get started with LiteRT](https://ai.google.dev/edge/litert) \n\n### Shorten development cycles with visualization\n\nVisualize your model's transformation through conversion and quantization. Debug hotspots by\noverlaying benchmarks results.\n[Get started with Model Explorer](https://ai.google.dev/edge/model-explorer) \n\n### Build custom pipelines for complex ML features\n\nBuild your own task by performantly chaining multiple ML models along with pre and post processing\nlogic. Run accelerated (GPU \\& NPU) pipelines without blocking on the CPU.\n[Get started with MediaPipe Framework](https://ai.google.dev/edge/mediapipe/framework) \n\nThe tools and frameworks that power Google's apps\n-------------------------------------------------\n\nExplore the full AI edge stack, with products at every level --- from low-code APIs down to hardware specific acceleration libraries. \n\nMediaPipe Tasks\n---------------\n\nQuickly build AI features into mobile and web apps using low-code APIs for common tasks spanning generative AI, computer vision, text, and audio. \nGenerative AI\n\nIntegrate generative language and image models directly into your apps with ready-to-use APIs. \nVision\n\nExplore a large range of vision tasks spanning segmentation, classification, detection, recognition, and body landmarks. \nText \\& audio\n\nClassify text and audio across many categories including language, sentiment, and your own custom categories. \nGet started \n[### Tasks documentation\nFind all of our ready-made low-code MediaPipe Tasks with documentation and code samples.](https://ai.google.dev/edge/mediapipe/solutions/guide) \n[### Generative AI tasks\nRun LLMs and diffusion models on the edge with our MediaPipe generative AI tasks.](https://ai.google.dev/edge/mediapipe/solutions/genai/llm_inference) \n[### Try demos\nExplore our library of MediaPipe Tasks and try them yourself.](https://goo.gle/mediapipe-studio) \n[### Model maker documentation\nCustomize the models in our MediaPipe Tasks with your own data.](https://ai.google.dev/edge/mediapipe/solutions/model_maker) \n\nMediaPipe Framework\n-------------------\n\nA low level framework used to build high performance accelerated ML pipelines, often including multiple ML models combined with pre and post processing. \n[Get started](https://ai.google.dev/edge/mediapipe/framework) \n\nLiteRT\n------\n\nDeploy AI models authored in any framework across mobile, web, and microcontrollers with optimized hardware specific acceleration. \nMulti-framework\n\nConvert models from JAX, Keras, PyTorch, and TensorFlow to run on the edge. \nCross-platform\n\nRun the same exact model on Android, iOS, web, and microcontrollers with native SDKs. \nLightweight \\& fast\n\nLiteRT's efficient runtime takes up only a few megabytes and enables model acceleration across CPU, GPU, and NPUs. \nGet started \n[### Pick a model\nPick a new model, retrain an existing one, or bring your own.](https://ai.google.dev/edge/litert/models/trained) \n[### Convert\nConvert your JAX, Keras, PyTorch, or Tensorflow model into an optimized LiteRT model.](https://ai.google.dev/edge/litert/models/convert_to_flatbuffer) \n[### Deploy\nRun a LiteRT model on Android, iOS, web, and microcontrollers.](https://ai.google.dev/edge/litert#integrate-model) \n[### Quantize\nCompress your model to reduce latency, size, and peak memory.](https://ai.google.dev/edge/litert/models/model_optimization) \n\nModel Explorer\n--------------\n\nVisually explore, debug, and compare your models. Overlay performance benchmarks and numerics to pinpoint troublesome hotspots. \n[Get started](https://ai.google.dev/edge/model-explorer) \n\nGemini Nano in Android \\& Chrome\n--------------------------------\n\nBuild generative AI experiences using Google's most powerful, on-device model \n[Learn more about Android AICore](https://developer.android.com/ai/aicore) [Learn more about Chrome Built-In AI](https://developer.chrome.com/docs/ai) \n\nRecent videos and blog posts\n----------------------------\n\n[### A walkthrough for Android's on-device GenAI solutions\n1 October 2024](https://www.youtube.com/watch?v=EpKghZYqVW4) \n[### How to bring your AI Model to Android devices\n2 October 2024](https://android-developers.googleblog.com/2024/10/bring-your-ai-model-to-android-devices.html) \n[### Gemini Nano is now available on Android via experimental access\n1 October 2024](https://android-developers.googleblog.com/2024/10/gemini-nano-experimental-access-available-on-android.html) \n[### TensorFlow Lite is now LiteRT\n4 September 2024](https://developers.googleblog.com/en/tensorflow-lite-is-now-litert)"]]
Detyrat MediaPipe
