圖片資料的 Hello：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 控制台檢查訓練圖片，然後開始訓練模型。

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 圖片分類模型。

4. 評估及分析模型成效。

5. 將模型部署至端點，並傳送預測結果。

6. 清除專案所用資源。

各頁面都假設您已按照本教學課程先前頁面的操作說明執行。

查看匯入的圖片

資料集匯入完成後，系統會將你帶往「Browse」(瀏覽) 分頁。你也可以從選單中選取「資料集」，前往這個分頁。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相關聯的註解集合 (本例中為圖像資料類型和分類目標)。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

選擇下列任一選項即可開始訓練：

• 選擇「訓練新模型」。

• 選取選單中的「模型」，然後選取「建立」。

1. 前往「模型」頁面

2. 選取「建立」，開啟「訓練新模型」視窗。

3. 選取「選取訓練方法」，然後選取「目標資料集」 (如果系統未自動選取)。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」。按一下「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，然後按一下「繼續」。

   增量訓練的注意事項如下：

   • 如果專案中至少有一個以相同目標訓練的基礎模型，即可啟用增量訓練。
   • 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。
   • 一般來說，增量訓練有助於加快訓練速度，並節省訓練時間。
   • 基礎模型可透過不同資料集訓練。

   

6. 選取「運算與定價」。指定節點時數預算為 8 個節點時數。選取「開始訓練」。

   節點時數預算是模型訓練時數上限 (可能略有差異)。這個值會乘以每節點時數的價格，計算出訓練總費用。訓練時數越長，模型就越準確 (準確度會達到某個程度)，但費用也會越高。開發用途的預算較低沒關係，但如果是正式版，請務必在費用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，檢查訓練完成的 AutoML 模型效能，並瞭解如何提升效能。

請按照「將模型部署至端點及執行預測工作」一文的說明，部署訓練好的 AutoML 模型。將圖片傳送至模型進行預測。