שלום נתוני תמונות: אימון מודל AutoML לסיווג תמונות

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

המדריך הזה כולל כמה דפים:

1. מגדירים את הפרויקט ואת הסביבה.

2. יוצרים מערך נתונים לסיווג תמונות ומייבאים תמונות.

3. אימון מודל AutoML לסיווג תמונות.

4. הערכה וניתוח של ביצועי המודל.

5. פריסת מודל לנקודת 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 עיון. אפשר גם לגשת לכרטיסייה הזו על ידי בחירה באפשרות מערכי נתונים בתפריט. בוחרים את קבוצת ההערות (קבוצה של הערות לתמונות עם תווית אחת) שמשויכת למערך הנתונים החדש.

נקודה חשובה: קבוצת ביאורים היא אוסף הביאורים שמשויכים לסוג נתונים ולמטרה ספציפית (סוג נתונים של תמונה, מטרה של סיווג במקרה הזה). מידע נוסף על קבוצות של הערות זמין במאמר יצירת קבוצת הערות.

כניסה לדף Datasets

התחלת אימון מודל AutoML

בוחרים אחת מהאפשרויות הבאות כדי להתחיל את ההדרכה:

• בוחרים באפשרות Train new model (אימון מודל חדש).

• בתפריט, בוחרים באפשרות מודלים ואז באפשרות יצירה.

1. כניסה לדף Models

2. בוחרים באפשרות יצירה כדי לפתוח את החלון אימון מודל חדש.

3. בוחרים באפשרות Select Training method (בחירת שיטת אימון) ואז בוחרים בDataset היעד אם הוא לא נבחר אוטומטית. מוודאים שלחצן הבחירה AutoML מסומן, ואז בוחרים באפשרות המשך.

   

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

   

5. בוחרים באפשרות אפשרויות של רכבות. בוחרים אפשרות מודל בהתאם לצרכים שלכם מבחינת דיוק וזמן אחזור. אפשר גם להפעיל אימון מצטבר וללחוץ על המשך.

   הנה כמה שיקולים לגבי אימון מצטבר:

   • אפשר להפעיל אימון מצטבר אם יש לפחות מודל בסיסי אחד שאומן בפרויקט הזה עם אותה מטרה.
   • אימון מצטבר מאפשר להשתמש במודל בסיסי קיים כנקודת התחלה לאימון מודל חדש, במקום לאמן מודל חדש מאפס.
   • בדרך כלל, אימון מצטבר עוזר לאימון להתבצע מהר יותר וחוסך זמן אימון.
   • אפשר לאמן את המודל הבסיסי ממערך נתונים אחר.

   

6. בוחרים באפשרות חישוב ומחירים. מציינים תקציב של 8 שעות צומת. לוחצים על התחלת האימון.

   תקציב של שעת צומת הוא הזמן המקסימלי (עשוי להשתנות מעט) שבו המודל מבלה באימון. הערך הזה מוכפל במחיר לשעת שימוש בכל צומת כדי לחשב את עלות האימון הכוללת. יותר שעות אימון יובילו למודל מדויק יותר (עד נקודה מסוימת), אבל העלות תהיה גבוהה יותר. למטרות פיתוח, תקציב נמוך הוא בסדר, אבל בשביל הפקה חשוב ליצור איזון בין עלות לדיוק.

תהליך האימון נמשך כמה שעות. כשאימון המודל מסתיים, נשלחת התראה באימייל.

המאמרים הבאים

כדי לבדוק את הביצועים של מודל AutoML שאומן ולגלות דרכים לשפר אותו, כדאי לעבור אל הדף הבא במדריך הזה.

פועלים לפי ההוראות שבקטע פריסת מודל לנקודת קצה וביצוע חיזוי כדי לפרוס את מודל AutoML שאומן. תמונה נשלחת למודל לצורך חיזוי.