שלום נתוני תמונות: אימון מודל AutoML לסיווג תמונות

משתמשים במסוף Google Cloud כדי לאמן מודל AutoML לסיווג תמונות. אחרי שיוצרים את קבוצת הנתונים ומייבאים את הנתונים, משתמשים במסוףGoogle Cloud כדי לבדוק את תמונות האימון ולהתחיל לאמן את המודל.

המדריך הזה כולל כמה דפים:

1. הגדרת הפרויקט והסביבה.

2. יצירת מערך נתונים לסיווג תמונות וייבוא תמונות.

3. אימון מודל AutoML לסיווג תמונות.

4. להעריך ולנתח את ביצועי המודל.

5. פריסת מודל בנקודת קצה ושליחת חיזוי

6. פינוי מקום בפרויקט

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

בדיקת התמונות המיובאות

אחרי ייבוא מערך הנתונים, תועברו לכרטיסייה Browse. אפשר גם לגשת לכרטיסייה הזו על ידי בחירה באפשרות מערכי נתונים בתפריט. בוחרים את קבוצת ההערות (קבוצה של הערות תמונה עם תווית אחת) שמשויכת למערך הנתונים החדש.

נקודה חשובה: קבוצת הערות היא אוסף של הערות שמשויכות לסוג נתונים וליעד ספציפי (סוג נתוני תמונה, יעד סיווג במקרה הזה). מידע נוסף על קבוצות של הערות זמין במאמר יצירת קבוצה של הערות.

כניסה לדף Datasets

התחלת אימון של מודל AutoML

כדי להתחיל את ההדרכה, בוחרים באחת מהאפשרויות הבאות:

• בוחרים באפשרות אימון מודל חדש.

• בתפריט, לוחצים על מודלים ואז על יצירה.

1. כניסה לדף Models

2. לוחצים על Create כדי לפתוח את החלון Train new model.

3. בוחרים באפשרות Select Training method, ובוחרים את קבוצת הנתונים לטירגוט אם היא לא נבחרה באופן אוטומטי. מוודאים שלחצן הבחירה AutoML מסומן ולוחצים על CONTINUE.

   

4. (אופציונלי) בוחרים באפשרות הגדרת המודל ומזינים את שם המודל. לוחצים על המשך.

   

5. בוחרים באפשרות אפשרויות רכבת. בוחרים אפשרות למודל בהתאם לצרכים שלכם מבחינת דיוק וזמן אחזור. אם רוצים, מפעילים אימון מצטבר ולוחצים על CONTINUE.

   שיקולים בנוגע לאימון מצטבר:

   • אפשר להפעיל אימון מצטבר כשיש לפחות מודל בסיס אחד שאומן בפרויקט הזה עם אותה מטרה.
   • אימון מצטבר מאפשר לכם להשתמש במודל בסיס קיים כנקודת התחלה לאימון מודל חדש, במקום לאמן מודל חדש מאפס.
   • אימון מצטבר בדרך כלל עוזר לאימון להתרחש מהר יותר וחוסך זמן אימון.
   • אפשר לאמן את מודל הבסיס באמצעות מערך נתונים אחר.

   

6. בוחרים באפשרות Compute and pricing. מגדירים תקציב של 8 שעות שימוש בצומת. לוחצים על התחלת האימון.

   תקציב שעות השימוש בצומת הוא משך הזמן המקסימלי (עשוי להשתנות מעט) שבו המודל מתאמן. הערך הזה מוכפל במחיר לשעת שימוש בצומת כדי לחשב את עלות האימון הכוללת. ככל שמאמנים את המודל יותר שעות, הוא מדויק יותר (עד נקודה מסוימת) אבל העלות גבוהה יותר. למטרות פיתוח, תקציב נמוך הוא בסדר, אבל לייצור חשוב למצוא איזון בין עלות לדיוק.

האימון נמשך כמה שעות. כשהאימון של המודל מסתיים, נשלחת התראה באימייל.

המאמרים הבאים

כדי לבדוק את הביצועים של מודל AutoML שאומן ולבחון דרכים לשיפור שלו, פועלים לפי ההוראות בדף הבא של המדריך.

כדי לפרוס את מודל AutoML שאומן, פועלים לפי ההוראות במאמר פריסת מודל לנקודת קצה (endpoint) וביצוע חיזוי. תמונה נשלחת למודל לצורך חיזוי.