Hello image data: Train an AutoML image classification model

Utilizza la console Google Cloud per addestrare un modello di classificazione delle immagini AutoML. Dopo aver creato il set di dati e importato i dati, utilizza la consoleGoogle Cloud per esaminare le immagini di addestramento e iniziare l'addestramento del modello.

Questo tutorial è composto da diverse pagine:

1. Configura il progetto e l'ambiente.

2. Crea un set di dati di classificazione delle immagini e importa le immagini.

3. Addestra un modello di classificazione di immagini AutoML.

4. Valuta e analizza le prestazioni del modello.

5. Esegui il deployment di un modello in un endpoint e invia una previsione.

6. Esegui la pulizia del progetto.

Ogni pagina presuppone che tu abbia già eseguito le istruzioni delle pagine precedenti del tutorial.

Rivedi le immagini importate

Dopo l'importazione del set di dati, viene visualizzata la scheda Sfoglia. Puoi accedere a questa scheda anche selezionando Set di dati dal menu. Seleziona il set di annotazioni (set di annotazioni di immagini con etichetta singola) associato al nuovo set di dati.

Punto chiave: un set di annotazioni è la raccolta di annotazioni associate a un tipo di dati e a un obiettivo specifico (tipo di dati immagine, obiettivo di classificazione in questo caso). Per saperne di più sui set di annotazioni, consulta Creazione di un set di annotazioni.

Vai alla pagina Set di dati

Inizia l'addestramento del modello AutoML

Scegli una delle seguenti opzioni per iniziare l'addestramento:

• Scegli Addestra nuovo modello.

• Seleziona Modelli dal menu e poi Crea.

1. Vai alla pagina Modelli

2. Seleziona Crea per aprire la finestra Addestra nuovo modello.

3. Seleziona Seleziona metodo di addestramento e seleziona il set di dati di destinazione se non sono selezionati automaticamente. Assicurati che il pulsante di opzione AutoML sia selezionato, quindi scegli CONTINUA.

   

4. (Facoltativo) Seleziona Definisci il modello e inserisci il Nome modello. Fai clic su CONTINUA.

   

5. Seleziona Opzioni treno. Seleziona un'opzione di modello in base alle tue esigenze di accuratezza e latenza. Facoltativamente, attiva l'addestramento incrementale e fai clic su CONTINUA.

   Di seguito sono riportate le considerazioni sull'addestramento incrementale:

   • L'addestramento incrementale può essere abilitato quando esiste almeno un modello di base che è stato addestrato in questo progetto con lo stesso obiettivo.
   • L'addestramento incrementale ti consente di utilizzare un modello di base esistente come punto di partenza per addestrare un nuovo modello (anziché addestrare un nuovo modello da zero).
   • In genere, l'addestramento incrementale consente di eseguire l'addestramento più velocemente e di risparmiare tempo.
   • Il modello di base può essere addestrato da un set di dati diverso.

   

6. Seleziona Calcolo e prezzi. Specifica un budget di 8 ore nodo. Seleziona Inizia addestramento.

   Il budget di ore nodo è il tempo massimo (può variare leggermente) che il modello impiega per l'addestramento. Questo valore viene moltiplicato per il prezzo per ora nodo per calcolare il costo totale dell'addestramento. Un numero maggiore di ore di addestramento si traduce in un modello più accurato (fino a un certo punto), ma comporta un costo più elevato. Per scopi di sviluppo, un budget ridotto va bene, ma per la produzione è importante trovare un equilibrio tra costi e accuratezza.

L'addestramento richiede diverse ore. Al termine dell'addestramento del modello, viene inviata una notifica via email.

Passaggi successivi

Segui la pagina successiva di questo tutorial per verificare le prestazioni del modello AutoML addestrato ed esplorare i modi per migliorarlo.

Segui Esegui il deployment di un modello in un endpoint e genera una previsione per eseguire il deployment del modello AutoML addestrato. Un'immagine viene inviata al modello per la previsione.