谷歌的移动开发平台Firebase在今年一年一度的谷歌开发者大会Google I/O上获得了最大的更新，今天，谷歌宣布了他们为开发者提高机器学习可访问性的新方法。谷歌还扩展了其性能监控工具，以帮助网络开发人员加快他们的网络应用程序。
谷歌在去年的I/O大会上宣布了ML Kit，这让开发者们摆脱了机器学习的神秘。他们从最常见用例的两个API开始，今年，他们将通过添加三个新的API来扩展SDK，包括三个用于翻译的设备上API，一个用于对象检测和跟踪，一个用于轻松创建自定义ML模型。本地应用程序开发人员可以将性能监控软件开发工具包集成到他们的应用程序中，以收集性能数据，然后在Firebase性能监控中进行分析。很快，网络开发人员也将能够在Firebase中跟踪他们的网络应用程序的性能。我与Firebase的产品负责人弗朗西斯马进行了交谈，以了解更多关于这些变化的信息。
新的毫升工具包应用编程接口
谷歌ML SDK目前支持七大API:文本识别、人脸检测、条码扫描、图像标签、标识识别、智能回复、语言识别。最后两个是最近在4月份才添加的，但现在它们将与上述三个API一起加入。这是针对开发人员的三个新的ML API的简要概述：
设备上的翻译API:使用支持Google Translate应用程序离线翻译的相同模型，新的API允许开发人员在58种语言之间提供快速和动态的翻译。
对象检测和跟踪应用编程接口：该应用编程接口允许应用程序定位和跟踪实时摄像机馈送中最突出的对象，并在它们周围用方框标记它们。然后，开发人员可以通过查询云视觉搜索API来识别最突出的对象。例如，据说宜家正在尝试使用这个API进行视觉家具购物。
AutoML Vision Edge:对于希望用最少的专业知识定制ML模型的开发人员，AutoML Vision Edge允许您构建和训练自己的定制模型，以便在用户设备上本地运行。要训练模型，只需将其数据库(例如，一组图像)上传到Firebase控制台，然后单击训练模型，根据数据库训练TensorFlow Lite模型。谷歌宣布，一家名为Fishbrain的公司使用这种API训练模型来识别鱼类物种，而另一家名为Lose It的公司！一些公司使用这个应用编程接口来训练模型。训练模型来识别图像中的食物类别。
机器学习是计算机科学中发展迅速的领域，开发者自然会对其表现出兴趣。然而，如果没有数据科学家，可能很难有效地构建和训练ML模型，这就是为什么谷歌通过使用ML Kit自动训练模型来简化这个过程。开发人员可以集中精力使用ML的功能来构建强大的新应用程序，而无需花费大量时间和精力研究数据科学。随着ML Kit中这三个新API的加入，我们有望在Google Play中看到许多新的有用的应用。
面向网络开发人员的Firebase性能监控
消费者要求他们使用的应用程序和网站具有良好的性能，但Firebase只为原生应用程序开发人员提供了监控其产品性能的有效方法。在谷歌I/O 2019上，谷歌宣布将使用Firebase托管向Web开发人员提供Firebase性能监控。网络开发人员可以通过提高网络应用程序的速度来让用户参与到他们的平台中。为了帮助web开发人员发现其网站性能的主要弱点，Firebase将提供以Web为中心的工具和遥测功能，以展示实际用户如何体验网站。例如，Web开发人员将能够监控各个方面，例如第一次绘制和输入延迟的时间、人们第一次看到网页内容并与之交互的时间以及平均延迟。概览仪表板将显示这些和其他指标，以帮助网络开发人员按国家或全球优化用户体验。
其他公告
更新了Firebase的谷歌分析中的受众构建器。
建立目标受众对于最大限度地提高用户参与度非常重要。您希望确保将用户划分到正确的类别中，以便知道如何通过个性化的激励和鼓励对他们进行最佳定位，从而使他们更有可能继续使用您的应用程序或服务。Google Analytics for Firebase可以帮助开发人员更好地了解他们的用户，其更新的受众构建器将使通过远程配置或通过应用内消息重新参与来创建新的定位受众变得容易。更新后的受众构建器功能包括“顺序、范围、时间窗口、[和]成员资格持续时间”等功能。例如，谷歌现在可以为兑换优惠券代码并在兑换优惠券后20分钟内购买产品的用户创建受众。
Cloud Firestore是一个完全管理的NoSQL数据库，它支持对集合组的查询，这使您的应用程序能够“在所有具有相同名称的集合中搜索字段，而不管它们在数据库中的位置如何”。例如，收藏组查询将允许具有由歌手及其歌曲组成的数据结构的音乐应用程序在歌手之间跨歌手查询歌曲中的字段，而不考虑歌手。
新的云功能模拟器将使开发人员能够加快本地应用程序的开发和测试；它与云Firestore模拟器通信。
如果您需要在应用程序中调试崩溃，Firebase Crashlytics可以帮助您诊断任何稳定性问题。速度警报可以告诉你某个特定问题的严重性何时突然增加，值得研究，但直到现在，都无法自定义其警报阈值。