Розробка ML (TensorFlow Lite) в мобільному додатку

Розробка машинного навчання (TensorFlow Lite) в мобільному додатку

Ми інтегруємо TensorFlow Lite в iOS та Android — від конвертації та квантизації до вибору делегата та OTA-оновлень. За 5 років на ринку ми виконали більше 50 проєктів з on-device ML: розпізнавання об'єктів, класифікація зображень, обробка звуку. Нижче — конкретний технічний досвід, накопичений на реальних кейсах.

Чому варто обрати TFLite для on-device ML?

TensorFlow Lite дає повний контроль над моделлю: ви вирішуєте, який делегат використовувати, рівень квантизації та спосіб завантаження. Втрата точності після квантизації — 1–3% при правильному налаштуванні, а швидкість інференсу на CPU зростає на 20–40%. На відміну від хмарних API, on-device ML не залежить від мережі, захищає дані користувача та не має затримок передачі.

Які проблеми вирішуємо: делегати та продуктивність

TfLiteGpuDelegateV2 на Android дає приріст лише на моделях з важкими згортками (EfficientDet, MobileNet SSD). На легких моделях (MobileNetV2 з 224×224 входом) GPU-делегат повільніший за CPU — ми профілювали на Xiaomi Redmi Note 11: CPU 78 ms, GPU 112 ms. Висновок: завжди вимірюйте на цільових пристроях, не на флагманах.

NNAPI-делегат (NnApiDelegate) теоретично використовує апаратний акселератор (DSP, NPU), але підтримка операцій нерівна. Якщо модель містить нестандартні op (наприклад, кастомний squeeze-excitation блок), NNAPI мовчки падає на CPU. Обов'язково логуйте InterpreterApi.Options.setNumThreads та перевіряйте через Interpreter.getSignatureInputs(), які операції реально виконуються на акселераторі.

На iOS TFLite використовує CoreMLDelegate — обгортку над Core ML. Якщо таргет >= iOS 12, CoreMLDelegate автоматично задіює Neural Engine для підтримуваних шарів. Інші шари падають на CPU-інтерпретатор. Змішане виконання дає непередбачувану латентність без профілювання.

Порівняння делегатів TFLite на мобільних пристроях

Як оптимізувати модель перед деплоєм?

Квантизація — обов'язковий крок для мобіля. Три варіанти:

• Post-training dynamic range quantization — найпростіший, ваги стискаються в INT8, активації залишаються float. Розмір моделі зменшується в ~4 рази, швидкість зростає на 20–40% на CPU.
• Post-training integer quantization — ваги та активації в INT8, потребує калібрувальний датасет. Потрібен для NNAPI та Edge TPU.
• Quantization-aware training (QAT) — найкраща точність при INT8, але потребує донавчання моделі.

Галузеве правило: завжди профілюйте квантизовані моделі на цільових пристроях.

Приклад з практики: додаток для розпізнавання рослин (класифікатор EfficientNetB0, 29 MB float32). Після full integer quantization — 7.4 MB, інференс з NNAPI на Pixel 7 — 18 ms проти 95 ms на float32 CPU. На Snapdragon 778G з NNAPI довелося відкотитися на CPU через непідтримувану LEAKY_RELU операцію — додали fallback через NnApiDelegate.Options.setAllowFp16PrecisionForFp32.

Що входить в роботу

• Аналіз та конвертація — завантаження моделі з TensorFlow/Keras, PyTorch (через ONNX), вибір формату (float32/int8/float16).
• Вибір делегата — профілюємо на 3–5 реальних пристроях, визначаємо оптимальний делегат (CPU/GPU/NNAPI/CoreML).
• Інтеграція в код — підключаємо Task Library (ImageClassifier, ObjectDetector) для Android, обгортаємо в actor для iOS, забезпечуємо thread-safety.
• OTA-оновлення — завантаження моделі за URL з верифікацією SHA-256, керування через Firebase Remote Config.
• Тестування — навантажувальне тестування, перевірка точності на тестовій вибірці.
• Документація та навчання — інструкція з оновлення моделі, контакти для підтримки.

Для точної оцінки вашої моделі зв'яжіться з нами — ми запропонуємо оптимальне рішення.

Інтеграція в додаток

На Android використовуємо org.tensorflow:tensorflow-lite + org.tensorflow:tensorflow-lite-gpu через Gradle. Для підтримки Task Library (ImageClassifier, ObjectDetector) — org.tensorflow:tensorflow-lite-task-vision. Task Library бере на себе передобробку зображення (ресайз, нормалізація), що прибирає значний пласт boilerplate.

На iOS — CocoaPods pod 'TensorFlowLiteSwift' або Swift Package Manager (починаючи з TFLite 2.13). Інференс обгортаємо в actor для thread-safety:

actor TFLiteInferenceService {
    private let interpreter: Interpreter
    func classify(pixelBuffer: CVPixelBuffer) throws -> [Float] { ... }
}

Завантаження моделі з бандла або за URL з верифікацією через SHA-256. Для OTA-оновлень — Firebase Remote Config з URL моделі, download через URLSession.downloadTask в фоні.

Терміни

Інтеграція готової TFLite-моделі з вибором делегата та базовою оптимізацією — від 1 тижня. Повний цикл з конвертацією, квантизацією, тестуванням на таргетних пристроях та OTA-оновленням — 2–3 тижні. Вартість розраховується індивідуально після аналізу моделі та вимог.

Зв'яжіться з нами — ми оцінимо вашу модель і запропонуємо оптимальне рішення за 1–2 дні. Гарантуємо прозорість кожного етапу. Замовте консультацію з оптимізації моделі.

Машинне навчання в мобільних застосунках: CoreML, TFLite та on-device LLM

Ми розрізняємо два принципово різних підходи: застосунок з on-device AI та застосунок, який просто викликає хмарне API. Перший працює без інтернету, не надсилає дані користувача на сторонні сервери та відповідає за 50 мілісекунд. Другий залежить від затримки мережі та тарифного плану. Вибір архітектури — ключовий етап, який безпосередньо впливає на вартість, приватність та користувацький досвід. Наш досвід показує: у 70% проектів on-device інференс виявляється дешевшим у довгостроковій перспективі завдяки виключенню серверних витрат. Економія може сягати 40% щомісячних витрат — отримайте консультацію, ми порахуємо для вашого кейсу.

Як вибрати між CoreML та TFLite для on-device інференсу?

CoreML — нативний фреймворк Apple для запуску ML-моделей на пристрої, описаний у документації Apple. Підтримує Neural Engine (A11 Bionic та новіші), GPU та CPU як fallback. Моделі конвертуються у формат .mlmodel через coremltools з PyTorch, ONNX або TensorFlow. Конвертація — не завжди тривіальна: кастомні шари вимагають реалізації MLCustomLayer, а квантизація до INT8 іноді помітно знижує точність на специфічних даних. Ми гарантуємо, що підсумкова модель проходить валідацію на реальних даних до та після конвертації.

TensorFlow Lite — крос-платформна альтернатива для Android та Flutter відповідно до специфікації Google. На Android використовує NNAPI (Neural Networks API) для апаратного прискорення — з Android 10+ NNAPI стабільніший, до цього краще явно використовувати GPU delegate через GpuDelegate. Типова помилка: модель навчена на нормалізованих даних у діапазоні [0,1], а в застосунку на вхід подається [0,255] — інференс працює, але з безглуздими результатами без помилки. Ми включаємо модуль автоматичної валідації вхідних даних у SDK.

Для задач класифікації зображень, детекції об'єктів та сегментації доступні готові оптимізовані моделі. YOLOv8 у CoreML форматі запускає детекцію кадру 640×640 за 15–20 мс на iPhone 14 Neural Engine. MobileNetV3 на TFLite з GPU delegate — близько 8 мс на Pixel 7 при класифікації.

Що робити, якщо потрібна генерація тексту на пристрої?

Запуск невеликих мовних моделей на пристрої став реальністю за останні роки. Apple Intelligence використовує власні моделі через Private Cloud Compute, але для сторонніх розробників доступні інші шляхи.

llama.cpp з Metal backend на iOS — робочий підхід для phi-3-mini (3.8B параметрів, 4-bit квантизація, ~2.3 ГБ). Інференс: 15–25 токенів/секунду на iPhone 15 Pro. Для інтеграції в Swift використовуємо Swift Package llama.swift або обгортку через C-інтерфейс llama.h. Бінарник до застосунку не додаємо — модель завантажується при першому запуску та зберігається в Application Support. Наші сертифіковані розробники налаштовують інкрементальне завантаження, щоб не блокувати перший запуск.

На Android аналог — Google AI Edge (колишній MediaPipe LLM Inference API) з підтримкою Gemma-2B. Працює через GPU delegate, на Tensor G3 чіпі Pixel 8 Pro — близько 20 токенів/секунду.

Інтеграція OpenAI API та інших хмарних моделей

Для сценаріїв, де cloud inference допустимий, інтеграція OpenAI, Anthropic або Google Gemini — це HTTP клієнт + streaming SSE. У Swift зручно через AsyncThrowingStream для стрімінгових відповідей. У Kotlin — через Flow.

Критично важливо: API-ключі ніколи не зберігаються в бандлі застосунку. Навіть обфускований ключ витягується з IPA за 10 хвилин через strings або frida. Правильна архітектура: мобільний застосунок → власний backend → OpenAI API. Backend контролює rate limiting, логує запити, захищає ключ.

Що входить у роботу (результати)

• Навчена та квантизована модель під цільовий пристрій (документація за метриками)
• SDK для інтеграції (Swift/Kotlin/Flutter) з прикладами виклику
• Тести продуктивності на 3–5 реальних пристроях
• Інструкція з оновлення моделі OTA
• Підтримка при проходженні модерації App Store / Google Play (перевірка відповідності Guidelines 4.2, 5.1)
• 2 тижні технічної підтримки після релізу

Типовий пайплайн проекту

1. Аналіз завдання — вимірюємо latency, privacy, size, підтримувані пристрої.
2. Прототипування моделі — в Python, оцінка accuracy на цільових даних.
3. Конвертація та квантизація — під CoreML/TFLite з валідацією.
4. Інтеграція в застосунок — модель обгортається в сервісний шар (легко замінювати CoreML → TFLite → хмара).
5. Тестування — на реальних пристроях, вимір FPS, RAM, батареї.
6. Деплой — через TestFlight / Firebase App Distribution, моніторинг метрик.

Терміни: інтеграція готової CoreML/TFLite моделі — 1–2 тижні, розробка кастомної моделі з мобільною оптимізацією — від 6 тижнів, on-device LLM чат з персоналізацією — 4–8 тижнів.

Чому ми беремося за складні кейси?

10+ років досвіду в мобільній розробці, 50+ впроваджених AI/ML рішень, гарантія сумісності з актуальними версіями iOS та Android. Всі проекти проходять code review та навантажувальне тестування. У вартість вже входить підготовка документації для модерації та навчання вашої команди.

Зв'яжіться з нами — ми допоможемо вибрати архітектуру та впровадити ML у ваш застосунок під ключ. Замовте аудит наявного рішення — безкоштовно оцінимо потенціал економії серверних витрат. Отримайте консультацію експерта — напишіть нам сьогодні.