Hello 图片数据:训练 AutoML 图片分类模型

使用 Google Cloud 控制台训练 AutoML 图片分类模型。创建数据集并导入数据后,请使用 Google Cloud 控制台查看训练图片并开始训练模型。

本教程包含多个页面:

  1. 设置您的项目和环境。

  2. 创建图片分类数据集并导入图片。

  3. 训练 AutoML 图片分类模型。

  4. 评估和分析模型性能。

  5. 将模型部署到端点并发送预测。

  6. 清理您的项目。

每个页面均假定您已经按照本教程中之前页面的说明操作。

查看导入的图片

导入数据集后,您将转到浏览标签页。您还可以通过从菜单中选择数据集来访问此标签页。选择与新数据集关联的注解集(一组单标签图片注解)。

转到“数据集”页面

数据集页面

开始 AutoML 模型训练

选择以下选项之一以开始训练:

  • 选择训练新模型

  • 从菜单中选择模型,然后选择创建

  1. 转到“模型”页面

  2. 选择创建以打开训练新模型窗口。

  3. 选择选择训练方法,然后选择目标数据集(如果未自动选择)。确保选中 AutoML 单选按钮,然后选择继续

    训练新模型窗口第 1 步

  4. (可选)选择定义模型,然后输入模型名称。点击继续

    训练新模型窗口第 4 步

  5. 选择训练选项。根据您的准确率和延迟时间需求选择模型选项。(可选)启用增量训练,然后点击继续

    增量训练注意事项如下:

    • 当此项目中至少训练了一个具有相同目标的基本模型时,可以启用增量训练。
    • 增量训练可让您使用现有的基本模型作为训练新模型的起点,而不是从头开始训练新模型。
    • 增量训练通常有助于加快训练速度,并节省训练时间。
    • 基本模型可以使用其他数据集进行训练。

    训练新模型窗口第 5 步

  6. 选择计算和价格。指定节点时预算为 8 个节点时。选择开始训练

    训练新模型窗口第 6 步

训练需要数小时。模型训练完成后,会发送电子邮件通知。

后续步骤

请按照本教程的后续页面查看经过训练的 AutoML 模型的性能,并探索改进模型的方法。

按照将模型部署到端点并进行预测说明操作以部署经过训练的 AutoML 模型。系统会将图片发送到模型进行预测。