Cómo implementar AI en mi aplicación de Android

Depende del tipo de aplicación que desee. De una manera más generalizada hay 2 enfoques:

Implementar su modelo en la nube y usarlo a través de API: este enfoque es lo que sigue la mayoría de las personas. Esto es útil porque permite que su aplicación funcione de manera eficiente y no tiene que preocuparse por el rendimiento, ya que no tiene su modelo ejecutándose directamente en su dispositivo y también hay otras ventajas: 1. Puede usar el idioma de su elección . 2. Puede construir modelos de cualquier tamaño (no necesita preocuparse por la memoria y la CPU) 3. Puede realizar cambios fácilmente sin tener que cambiar la lógica de la aplicación. Google Cloud es el mejor servicio en la nube para implementar modelos, ya que su hardware está optimizado para procesar gráficos TensorFlow. Simplemente puede desarrollar un punto final API para acceder a su modelo desde su aplicación. Uno de esos proyectos de ejemplo está en GitHub. Desarrollé esta aplicación y funciona muy bien, ya que la implementé en heroku y estoy usando API para acceder al modelo desde mi aplicación. Aquí está el enlace: Narasimha1997 / VSNET_2

Uso de modelos de aprendizaje automático de forma nativa: este enfoque es un poco difícil debido a problemas de rendimiento, pero se están realizando investigaciones para implementar de manera efectiva modelos de aprendizaje automático en dispositivos informáticos de gama baja. TensorFlow creó una revolución en el aprendizaje profundo, ya que permitió el desarrollo y la implementación de modelos ML en computadoras personales y dispositivos con requisitos mínimos. Pero los dispositivos móviles carecen de recursos computacionales en comparación con las computadoras de escritorio. Entonces TensorFlow presentó MobileNets y TensorFlow Lite. La siguiente figura muestra los usos de MobileNets:

MobileNets se desarrolla teniendo en cuenta los dispositivos con poca memoria usando conceptos de informática teórica profunda, creo que está fuera de alcance ponerlos aquí, por lo que puede pensar en MobileNets como redes neuronales altamente optimizadas y livianas. La buena documentación de las redes móviles aún no está disponible, ya que se desarrollaron recientemente. Puede visitar la publicación de blog oficial de Google para obtener más información: MobileNets: modelos de código abierto para una visión eficiente en el dispositivo

Básicamente a partir de ahora .. MobileNets son aplicables solo para visión artificial. Más modelos están por venir.

Gracias por A2A 🙂

TensorFlow tiene una biblioteca para aplicación en dispositivos móviles. Para empezar, sería de gran ayuda algunos ejemplos sobre el repositorio de tensorflow / tensorflow.