In interaktiven Notebooks erfahren Sie, wie Sie Modelle für maschinelles Lernen zur Klassifizierung und Vorhersage trainieren. In diesen Anleitungen wird Dataflow in End-to-End-Workflows für maschinelles Lernen eingebunden. Sie können sich die Anleitungen auch auf GitHub ansehen.
Segmentierung von Bildern der Landoberfläche
Dieses Modell zur Landklassifizierung verwendet ein TensorFlow-Framework und Satellitendaten aus der Google Earth Engine, um die semantische Segmentierung zu demonstrieren. In der Anleitung werden TensorFlow in Vertex AI zum Trainieren des Modells, TensorFlow in Cloud Run für Echtzeitvorhersagen und Dataflow für Batchvorhersagen verwendet. Code auf GitHub ansehen
Zeitachsen-Regression für die Wettervorhersage
Dieses Wettervorhersagemodell verwendet ein PyTorch-Framework und Satellitendaten aus der Google Earth Engine, um Niederschlag für die nächsten zwei und sechs Stunden vorherzusagen. In der Anleitung wird PyTorch verwendet, um ein vollständig convolutionales Netzwerk zu erstellen, Vertex AI, um das Modell zu trainieren, Dataflow, um das Dataset zu erstellen, und PyTorch, um lokale Vorhersagen zu treffen. Sehen Sie sich den Code auf GitHub an.
Globale Klassifizierung der Zeitachsen für die Fischereiüberwachung
Für das Klassifizierungsmodell werden ein TensorFlow-Framework und die Standortdaten der Maritime Mobile Service Identity (MMSI), um zu klassifizieren, ob ein Schiff stündlich Fischfang betreibt. In der Anleitung werden Keras und TensorFlow verwendet, um das Modell zu trainieren, Dataflow, um das Dataset zu erstellen, und Keras in Cloud Run, um lokale Vorhersagen zu machen. Sehen Sie sich den Code auf GitHub an.
Klassifizierung von Tierbildern
Dieses Klassifizierungsmodell verwendet ein AutoML-Framework, um ein Modell zu erstellen, das darauf trainiert ist, Tierarten aus Bildern von Kamerafallen zu erkennen. Das Tutorial verwendet AutoML in Vertex AI, um das Modell zu trainieren, Dataflow, um das Dataset zu erstellen, und Vertex AI, um Vorhersagen zu treffen. Sehen Sie sich den Code auf GitHub an.