สมมติว่าคุณมีโครงการ Firebase ที่เชื่อมโยงกับแอปของคุณ และคุณได้สร้างโมเดลแมชชีนเลิร์นนิงภายใต้โครงการเดียวกันใน Google Cloud Platform (GCP) ตอนนี้คุณอาจสงสัยว่าจะทำการอนุมานโดยใช้โมเดลใน GCP ผ่านการรับรองความถูกต้องของ Firebase ในแอปได้อย่างไร คุณสามารถใช้ฟังก์ชัน JavaScript Firebaseเพื่อทำให้เสร็จ

(สิ่งนี้ทดสอบกับ Ubuntu 18.04 และ Node.js 14)

0. ข้อกำหนดเบื้องต้น

• โครงการ Firebase ที่เชื่อมโยงกับแอปของคุณ (เช่น — รหัสโครงการ = {PROJECT_ID})
• โมเดลแมชชีนเลิร์นนิงภายใต้โครงการเดียวกัน {PROJECT_ID} บน GCP
• Node.js 14 และ npm (คุณสามารถติดตั้งได้โดยใช้nvm )

เปิดเทอร์มินัลแล้วดำเนินการดังต่อไปนี้

npm install -g firebase-tools

สมมติว่าไดเรกทอรีโครงการในเครื่องคือ {LOCAL_DIR} ที่เดสก์ท็อป สร้างและนำทางไปยังมัน

mkdir -p ~/Desktop/{LOCAL_DIR}
cd ~/Desktop/{LOCAL_DIR}

เรียกใช้คำสั่งต่อไปนี้ทีละคำสั่งอย่างระมัดระวัง ในขณะที่อ้างอิงถึงหมายเหตุด้านล่างเพื่อเป็นแนวทางในการนำทางผ่านพรอมต์ที่สร้างขึ้น

firebase login

firebase init firestore

firebase init functions

• คุณจะถูกขอให้เข้าสู่ระบบผ่านเบราว์เซอร์และรับรองความถูกต้อง
• เลือกโครงการ Firebase ที่ถูกต้อง ( {PROJECT_ID} ) เมื่อได้รับแจ้ง
• เลือกJavaScript (js)เป็นภาษา
• “ elsint ” ไม่จำเป็นสำหรับสิ่งนี้
• เลือกใช่เพื่อติดตั้งการพึ่งพา

เราจะต้องมีแพ็คเกจgoogleapis

cd ~/Desktop/{LOCAL_DIR}/functions
npm i googleapis

เปิด “ {LOCAL_DIR}/functions/package.json”ด้วย IDE ที่คุณต้องการ (เช่น — VS Code) และแก้ไขส่วน “ engines ” ดังนี้

"engines": {
    "node": "14"
  },

เปิด “ {LOCAL_DIR}/functions/index.js”ด้วย IDE ที่คุณต้องการ

เรามานิยามคำศัพท์ต่อไปนี้กัน คุณควรแทนที่ด้วยรายละเอียดของคุณ

• ชื่อรุ่น = {MODEL_NAME}
• ขอบเขตโมเดล = {MODEL_REGION} — (ตรวจสอบให้แน่ใจว่าขอบเขตโมเดลเหมือนกับขอบเขตของฟังก์ชัน โดยเฉพาะอย่างยิ่งเพื่อประสิทธิภาพที่ดีขึ้น Default = us-central1 )
• ชื่อฟังก์ชัน Firebase = {ML_FUNCTION}
• อินพุตไปยังฟังก์ชัน = อินพุตไปยังโมเดล = พจนานุกรม เช่น {“key_str”: “val_str”, “key_int”: 2, “key_arr”: [1.25, 0.76, 3.84]}

const functions = require("firebase-functions");

const admin = require("firebase-admin");

admin.initializeApp(functions.config().firebase);

const googleapis_pack = require("googleapis");

const ml = googleapis_pack.google.ml({version:"v1", rootUrl:"https://{MODEL_REGION}-ml.googleapis.com"});

exports.{ML_FUNCTION} = functions.https.onCall(async(data, context)=>
{
    const key_str = data.key_str;
    const key_int = data.key_int;
    const key_arr = data.key_arr;

    const instance = {"key_str":key_str, "key_int":key_int, "key_arr":key_arr};

    const model = "{MODEL_NAME}";

    const { credential } = await googleapis_pack.google.auth.getApplicationDefault();

    const modelName = "projects/{PROJECT_ID}/models/" + model;

    const results = await ml.projects.predict({
        auth: credential,
        name: modelName,
        requestBody: instance
    });

    return results.data;

}
);

ไปที่เทอร์มินัลแล้วดำเนินการต่อไปนี้

cd ~/Desktop/{LOCAL_DIR}
firebase deploy --only functions

ป.ล. —

หากต้องการดูวิธีเรียกฟังก์ชัน Firebase จากแอปของคุณ (iOS, Android ฯลฯ) โปรดดูเอกสารอย่างเป็นทางการนี้โดย Google

อ้างอิง

• https://firebase.google.com/docs/functions/get-started
• https://github.com/nvm-sh/nvm/blob/master/README.md
• https://firebase.google.com/docs/functions/callable