Hello 圖片資料：訓練 AutoML 圖片分類模型

使用 Google Cloud 控制台訓練 AutoML 圖片分類模型。建立資料集並匯入資料後，請使用Google Cloud 控制台查看訓練圖片，並開始訓練模型。

本教學課程包含多個頁面：

1. 設定專案和環境。

2. 建立圖片分類資料集並匯入圖片。

3. 訓練 AutoML Image 分類模型。

4. 評估及分析模型效能。

5. 將模型部署至端點，並傳送預測要求。

6. 清理專案。

每個頁面都假設您已執行本教學課程前幾頁的操作說明。

查看匯入的映像檔

匯入資料集後，系統會將您導向「Browse」(瀏覽) 分頁。您也可以從選單中選取「Datasets」(資料集)，存取這個分頁。選取與新資料集相關聯的註解集 (單一標籤圖片註解集)。

重點：「註解集」是與資料類型和特定目標 (在本例中為圖片資料類型、分類目標) 相關聯的註解集合。如要進一步瞭解註解集，請參閱「建立註解集」。

前往「資料集」頁面

開始訓練 AutoML 模型

選擇下列其中一個選項，開始訓練：

• 選擇「訓練新模型」。

• 從選單中選取「模型」，然後選取「建立」。

1. 前往「Models」(模型) 頁面

2. 選取「建立」，開啟「訓練新模型」視窗。

3. 選取「Select Training method」(選取訓練方法)，如果系統未自動選取「target Dataset」(目標資料集)，請手動選取。確認已選取「AutoML」AutoML圓形按鈕，然後選擇「繼續」。

   

4. (選用) 選取「定義模型」，然後輸入「模型名稱」。點選「繼續」。

   

5. 選取「訓練選項」。請根據準確度和延遲時間需求，選取模型選項。視需要啟用增量訓練，然後點按「繼續」。

   增量訓練的考量事項如下：

   • 如果這項專案中至少有一個基礎模型已完成訓練，且目標相同，則可啟用增量訓練。
   • 增量訓練可讓您以現有的基礎模型為起點訓練新模型，不必從頭開始訓練。
   • 增量訓練通常有助於加快訓練速度，並節省訓練時間。
   • 基礎模型可以透過其他資料集訓練。

   

6. 選取「運算與定價」。將節點時數預算設為 8 個節點時數。選取「Start training」(開始訓練)。

   節點時數預算是模型訓練時間的上限 (可能略有差異)。這個值乘以每節點時數價格，即可算出總訓練費用。訓練時數越多，模型就越準確 (達到一定程度)，但費用也越高。如果是開發用途，低預算即可，但如果是正式環境，則必須在成本和準確度之間取得平衡。

訓練作業需要數小時才能完成。模型訓練完成後，系統會傳送電子郵件通知。

後續步驟

請按照本教學課程的下一頁操作，檢查訓練好的 AutoML 模型效能，並探索改善方法。

按照「將模型部署至端點並進行預測」一文的指示，部署訓練好的 AutoML 模型。將圖片傳送至模型進行預測。