אפשר ליצור מודל AutoML Edge (ניתן לייצוא) ישירות בממשק המשתמש עבור סוגי נתונים מסוימים, או על ידי הפעלת משימת צינור עיבוד נתונים לאימון באמצעות תכנות. יוצרים את המודל הזה באמצעות מערך נתונים מוכן. יוצרים את מערך הנתונים הזה במסוף Google Cloud או באמצעות API. ממשק Agent Platform API משתמש בפריטים ממערך הנתונים כדי לאמן את המודל, לבדוק אותו ולהעריך את הביצועים שלו. בודקים את תוצאות ההערכות, משנים את מערך הנתונים להכשרה לפי הצורך ויוצרים משימת הכשרה חדשה באמצעות מערך הנתונים המשופר.
תהליך ההכשרה של מודלים יכול להימשך כמה שעות. בדף Agent Platform (פלטפורמת הסוכנים) ב Google Cloud מסוף מוצג סטטוס ההדרכה.
אימון מודל AutoML Edge
במסוף Google Cloud , בקטע Agent Platform, עוברים לדף Datasets.
לוחצים על שם מערך הנתונים שבו רוצים להשתמש כדי לאמן את המודל, כדי לפתוח את דף הפרטים שלו.
אם סוג הנתונים שלכם משתמש בקבוצות של הערות, בוחרים את קבוצת ההערות שרוצים להשתמש בה במודל הזה.
לוחצים על Train new model (אימון מודל חדש).
בדף Train new model (אימון מודל חדש), מבצעים את הפעולות הבאות:
בוחרים באפשרות AutoML Edge לשיטת האימון ולוחצים על המשך.
מזינים את שם התצוגה של המודל החדש.
אם רוצים להגדיר באופן ידני את האופן שבו נתוני האימון מחולקים, מרחיבים את האפשרויות המתקדמות* ובוחרים באפשרות של חלוקת נתונים. מידע נוסף זמין במאמר מידע על פיצול נתונים למודלים של AutoML.
לוחצים על Continue.
בוחרים את יעד האופטימיזציה שהכי מתאים לצרכים שלכם. אפשר לבצע אופטימיזציה לדיוק, לזמן האחזור או לשניהם.
לוחצים על Continue.
בחלון חישוב ותמחור, מזינים את מספר השעות המקסימלי שרוצים שהמודל יתאמן.
ההגדרה הזו עוזרת לכם להגביל את עלויות האימון. הזמן שחלף בפועל יכול להיות ארוך יותר מהערך הזה, כי יש פעולות אחרות שקשורות ליצירת מודל חדש.
אם רוצים להפסיק את האימון כשהמודל לא משתפר יותר, בוחרים באפשרות הפעלת עצירה מוקדמת.
לוחצים על התחלת ההדרכה.
אימון המודל יכול להימשך שעות רבות, בהתאם לתקציב האימון (תמונה בלבד) ולגודל ולמורכבות של הנתונים. אפשר לסגור את הכרטיסייה הזו ולחזור אליה מאוחר יותר. תקבלו אימייל כשהאימון של המודל יסתיים.