שלום נתוני תמונה: פריסת מודל לנקודת קצה ושליחת חיזוי

אחרי שמסיימים לאמן את מודל סיווג התמונות של AutoML, משתמשים במסוףGoogle Cloud כדי ליצור נקודת קצה ולפרוס את המודל בנקודת הקצה. אחרי שהמודל נפרס בנקודת הקצה החדשה הזו, שולחים תמונה למודל כדי לקבל חיזוי של התווית.

המדריך הזה כולל כמה דפים:

1. מגדירים את הפרויקט ואת הסביבה.

2. יוצרים מערך נתונים לסיווג תמונות ומייבאים תמונות.

3. אימון מודל לסיווג תמונות ב-AutoML

4. הערכה וניתוח של ביצועי המודל.

5. פורסים מודל בנקודת קצה ושולחים חיזוי.

6. פינוי מקום בפרויקט

בכל דף מניחים שכבר ביצעתם את ההוראות מהדפים הקודמים של המדריך.

פריסת המודל בנקודת קצה

כדי לגשת למודל שאומן ולפרוס אותו לנקודת קצה חדשה או קיימת, עוברים לדף Models (מודלים):

1. במסוף Google Cloud , בקטע Gemini Enterprise Agent Platform, עוברים לדף Training.

   כניסה לדף Training

2. בוחרים את מודל ה-AutoML שאומן. הפעולה הזו תעביר אתכם לכרטיסייה Evaluate שבה תוכלו לראות את מדדי הביצועים של המודל.

3. לוחצים על הכרטיסייה Deploy & test.

4. לוחצים על Deploy to endpoint.

5. בוחרים באפשרות Create new endpoint (יצירת נקודת קצה חדשה), מגדירים את שם נקודת הקצה ל-hello_automl_image ולוחצים על Continue (המשך).

6. בהגדרות המודל, מאשרים את חלוקת התנועה של 100%, מזינים 1 במספר צמתי החישוב ולוחצים על סיום.

7. לוחצים על Deploy (פריסה) כדי לפרוס את המודל לנקודת הקצה החדשה.

יצירת נקודת הקצה ופריסת מודל AutoML בנקודת הקצה החדשה נמשכות כמה דקות.

שליחת חיזוי למודל

אחרי שתהליך יצירת נקודת הקצה מסתיים, אפשר לשלוח בקשה להערה (חיזוי) של תמונה אחת במסוף Google Cloud .

1. עוברים לקטע Test your model (בדיקת המודל) באותו כרטיסייה Deploy & test (פריסה ובדיקה) שבה השתמשתם כדי ליצור נקודת קצה בשלב הקודם (Models > your_model > Deploy & test).

2. לוחצים על העלאת תמונה ובוחרים תמונה ששמורה באופן מקומי כדי לקבל תחזית לגביה.

   

   Image credit: Siming Ye, Unsplash (shown in UI view).

המאמרים הבאים

פועלים לפי ההוראות בדף האחרון של המדריך כדי למחוק את המשאבים שיצרתם.