训练和使用您自己的模型

本页面简要介绍了用于在 Vertex AI 上训练和使用您自己的模型的工作流。Vertex AI 提供两种模型训练方法:

  • AutoML:只需极少的技术知识和工作量即可创建和训练模型。如需详细了解 AutoML,请参阅 AutoML 新手指南
  • 自定义训练:使用任何机器学习框架大规模创建和训练模型。如需详细了解 Vertex AI 上的自定义训练,请参阅自定义训练概览

如需有关如何决定使用上述哪个方法的帮助,请参阅选择训练方法

AutoML

机器学习 (ML) 模型使用训练数据来学习如何针对未用于训练模型的数据推断结果。借助 Vertex AI 上的 AutoML,您可以根据您提供的训练数据构建无代码模型。

您可以使用 AutoML 构建的模型类型

您可以构建的模型类型取决于您拥有的数据类型。Vertex AI 会为以下数据类型和模型目标提供 AutoML 解决方案:

数据类型 支持的目标
图片数据 分类、对象检测。
视频数据 操作识别、分类、对象跟踪。
文本数据 分类、实体提取、情感分析
表格数据 分类/回归、预测。

无论数据类型或目标如何,用于训练和使用 AutoML 模型的工作流都是相同的:

  1. 准备训练数据。
  2. 创建数据集。
  3. 训练模型。
  4. 评估和迭代模型。
  5. 从模型获取预测结果。
  6. 解读预测结果。

图片数据

AutoML 使用机器学习来分析图片数据的内容。您可以使用 AutoML 训练机器学习模型,以对图片进行分类或查找图片数据中的对象。

Vertex AI 可让您从基于图片的模型进行在线预测和批量预测。在线预测是指向模型端点发出同步请求。如果您要发出请求以响应应用输入,或者在其他需要及时推断的情况下,可以使用在线预测。批量预测是异步请求。您可以直接从模型资源请求批量预测,而无需将模型部署到端点。对于图片数据,如果您不需要获得即时响应并且希望通过一个请求处理累积数据,则可以使用批量预测。

对图片进行分类

分类模型会分析图片数据,并返回适用于图片的内容类别列表。例如,您可以训练一个模型,将图片分类为包含猫或不包含猫,也可以训练一个模型,将狗图片按品种分类。

文档:准备数据 | 创建数据集 | 训练模型 | 评估模型 | 获取预测结果 | 解读结果

对图片进行对象检测

对象检测模型会分析图片数据,并为在图片中找到的所有对象返回注解,其中包含每个对象的标签和边界框位置。例如,您可以训练一个模型,找到图片数据中猫的位置。

文档:准备数据 | 创建数据集 | 训练模型 | 评估模型 | 获取预测结果 | 解读结果

表格数据

利用 Vertex AI,您可以通过简单的流程和界面使用表格数据执行机器学习。您可以为表格数据问题创建以下模型类型:

  • 二元分类模型可预测二元结果(二者选一)。此模型类型用于是非问题。例如,您可能想要构建一个二元分类模型来预测客户是否会购买订阅。一般而言,二元分类问题所需的数据比其他模型类型少。
  • 多类别分类模型可从三个或更多个互不关联的类别中预测一个类别。使用此模型类型进行分类。例如,作为零售商,您可能希望构建一个多类别分类模型来将客户划分为不同的角色。
  • 回归模型可预测连续值。例如,作为零售商,您可能希望构建一个回归模型来预测客户下个月的支出。
  • 预测模型可预测一系列值。例如,作为零售商,您可能希望预测未来 3 个月的产品每日需求,以便提前备妥适当数量的商品库存。

如需了解详情,请参阅表格数据概览

如果您的表格数据存储在 BigQuery ML 中,则可以直接在 BigQuery ML 中训练 AutoML 表格模型。如需了解详情,请参阅 AutoML 表格参考文档

文本数据

AutoML 使用机器学习来分析文本数据的结构和含义。您可以使用 AutoML 训练机器学习模型,对文本数据进行分类、提取信息或了解作者的情感。

Vertex AI 可让您从基于文本的模型获取在线预测和批量预测结果。在线预测是指向模型端点发出同步请求。如果您要发出请求以响应应用输入,或者在其他需要及时推断的情况下,可以使用在线预测。批量预测是异步请求。您可以直接从模型资源请求批量预测,而无需将模型部署到端点。对于文本数据,如果您不需要获得即时响应并且希望通过一个请求处理累积数据,则可以使用批量预测。

对文本进行分类

分类模型会分析文本数据,并返回适用于数据中找到的文本的类别列表。Vertex AI 提供单标签和多标签文本分类模型。

文档:准备数据 | 创建数据集 | 训练模型 | 评估模型 | 获取预测结果 | 解读结果

对文本进行实体提取

实体提取模型会检查数据中引用的已知实体的文本数据,并对文本中的这些实体添加标签。

文档:准备数据 | 创建数据集 | 训练模型 | 评估模型 | 获取预测结果 | 解读结果

对文本进行情感分析

情感分析模型会检查文本数据并确定其中的主导性情绪状态,尤其是确定作者的态度是积极、消极还是中立的。

文档:准备数据 | 创建数据集 | 训练模型 | 评估模型 | 获取预测结果 | 解读结果

视频数据

AutoML 使用机器学习来分析视频数据,以便对镜头和片段进行分类,或检测和跟踪视频数据中的多个对象。

对视频进行动作识别

动作识别模型会分析视频数据,并返回分类的动作和动作发生的时刻的列表。例如,您可以训练一个模型来分析视频数据,以识别足球进球、高尔夫挥杆、触地得分或击掌的动作瞬间画面。

文档:准备数据 | 创建数据集 | 训练模型 | 评估模型 | 获取预测结果 | 解读结果

对视频进行分类

分类模型会分析视频数据,并返回分类镜头和片段的列表。例如,您可以训练一个模型来分析视频数据,以识别视频是棒球、足球、篮球还是橄榄球比赛。

文档:准备数据 | 创建数据集 | 训练模型 | 评估模型 | 获取预测结果 | 解读结果

对视频进行对象跟踪

对象跟踪模型会分析视频数据,并返回检测到这些对象的镜头和片段列表。例如,您可以训练一个模型来分析足球比赛的视频数据以识别并跟踪球。

文档:准备数据 | 创建数据集 | 训练模型 | 评估模型 | 获取预测结果 | 解读结果

自定义训练

如果所有 AutoML 解决方案都不能满足您的需求,您还可以创建自己的训练应用,并使用它在 Vertex AI 上训练自定义模型。您可以使用所需的任何机器学习框架,并配置要用于训练的计算资源,包括:

  • 虚拟机的类型和数量。
  • 图形处理器 (GPU)。
  • 张量处理单元 (TPU)。
  • 启动磁盘的类型和大小。

如需详细了解 Vertex AI 上的自定义训练,请参阅自定义训练概览