Google Cloud コンソールを使用した AutoML Edge モデルのトレーニング

AutoML Edge（エクスポート可能）モデルを作成するには、特定のデータ型の UI から直接作成するか、プログラムでトレーニング パイプライン ジョブを開始します。このモデルは、準備済みのデータセットを使用して作成します。Google Cloud コンソールまたは API を使用して、このデータセットを作成します。Vertex AI API は、データセットの項目を使用してモデルのトレーニングとテストを行い、モデルのパフォーマンスを評価します。評価結果を確認して、必要に応じてトレーニング データセットを調整し、改善されたデータセットで新しいトレーニング ジョブを作成します。

トレーニング ジョブが完了するまで数時間かかる場合があります。Google Cloud コンソールの [Vertex AI] ページにトレーニングのステータスが表示されます。

AutoML Edge モデルのトレーニング

  1. Google Cloud Console の Vertex AI セクションで、[データセット] ページに移動します。

    [データセット] ページに移動

  2. モデルのトレーニングに使用するデータセットの名前をクリックして、詳細ページを開きます。

  3. 目的のデータ型でアノテーション セットが使用されている場合は、モデルで使用するアノテーション セットを選択します。

  4. [新しいモデルのトレーニング] をクリックします。

  5. [新しいモデルのトレーニング] ページで、データ型に応じて次の手順を行います。

    画像

    1. トレーニング メソッドとして [AutoML] を選択し、[続行] をクリックします。

    2. 新しいモデルの表示名を入力します。

    3. トレーニング データの分割方法を手動で設定する場合は、[ADVANCED OPTIONS] を展開し、データ分割オプションを選択します。詳細。

    4. [続行] をクリックします。

    5. 分類モデルのみ（省略可）: [説明可能性] セクションで、[テストセット内の画像ごとに、説明可能なビットマップを生成する] を選択して、Vertex Explainable AI を有効にします。可視化設定を選択し、[続行] をクリックします。

      この機能を使用すると費用が発生します。詳細は料金をご覧ください。

    6. ニーズに最適な の最適化目標を選択します。精度、レイテンシ、またはその両方を最適化できます。

    7. [続行] をクリックします。

    8. [コンピューティングと料金] ウィンドウで、モデルのトレーニングの最大時間数を入力します。

      この設定により、トレーニング費用に上限を設定できます。新しいモデルの作成には他のオペレーションも必要なため、実際の経過時間がこの値より長くなることがあります。

    9. モデルが改善されなくなった時点でトレーニングを停止したい場合は、[Enable early stopping] を選択します。

    動画

    1. 新しいモデルの表示名を入力します。

    2. [続行] をクリックします。

    3. トレーニング メソッドとして [AutoML] を選択し、[続行] をクリックします。

    4. ニーズに最適な の最適化目標を選択します。精度、レイテンシ、またはその両方を最適化できます。

    5. [続行] をクリックします。

      トレーニング開始から数分後には、モデルのプロパティ情報からトレーニング ノード時間の見積もりを確認できます。トレーニングをキャンセルした場合、現在のプロダクトに料金はかかりません。

  6. [トレーニングを開始] をクリックします。

    トレーニング予算（画像のみ）、データのサイズと複雑さによっては、モデルのトレーニングに何時間もかかる可能性があります。このタブを閉じて、後で戻ってくることもできます。モデルのトレーニングが完了すると、メールが送られてきます。

次のステップ