AutoML Edge(내보내기 가능) 모델을 특정 데이터 유형의 경우 UI에서 직접 만들거나 학습 파이프라인 작업을 프로그래매틱 방식으로 시작하여 만듭니다. 준비된 데이터 세트를 사용하여 이 모델을 만듭니다. 이 데이터 세트는 Google Cloud 콘솔에서 만들거나 API를 사용하여 만들 수 있습니다. Vertex AI API는 데이터 세트의 항목을 사용하여 모델을 학습시키고 테스트하고 모델 성능을 평가합니다. 평가 결과를 검토하고 필요에 따라 학습 데이터 세트를 조정하며 향상된 데이터 세트를 사용하여 새 학습 작업을 만드세요.
학습 작업을 완료하는 데 몇 시간이 걸릴 수 있습니다. Google Cloud 콘솔의 Vertex AI 페이지에는 학습 상태가 표시됩니다.
AutoML Edge 모델 학습
Google Cloud 콘솔의 Vertex AI 섹션에서 데이터 세트 페이지로 이동합니다.
모델을 학습시키는 데 사용할 데이터 세트의 이름을 클릭하여 세부정보 페이지를 엽니다.
데이터 유형이 주석 세트를 사용하는 경우 이 모델에 사용할 주석 세트를 선택합니다.
새 모델 학습을 클릭합니다.
새 모델 학습 페이지에서 데이터 유형에 대해 다음 단계를 완료합니다.
이미지
학습 방법으로 AutoML Edge를 선택하고 계속을 클릭합니다.
새 모델의 표시 이름을 입력합니다.
학습 데이터 분할 방법을 수동으로 설정하려면 고급 옵션을 펼치고 데이터 분할 옵션을 선택합니다. 자세히 알아보기
계속을 클릭합니다.
분류 모델만 (선택사항): 설명 기능 섹션에서 테스트 세트의 각 이미지에 대해 설명 가능한 비트맵 생성을 선택하여 Vertex Explainable AI를 사용 설정합니다. 시각화 설정을 선택하고 계속을 클릭합니다.
이 기능에는 관련된 비용이 있습니다. 자세한 내용은 가격 책정을 참조하세요.
필요에 가장 적합한 최적화 목표를 선택합니다. 정확성, 지연 시간, 또는 둘 다 기준으로 최적화할 수 있습니다.
계속을 클릭합니다.
컴퓨팅 및 가격 책정 창에서 모델을 학습시킬 최대 시간을 입력합니다.
이 설정은 학습 비용에 상한선을 설정하는 데 도움이 됩니다. 새 모델을 만드는 데 관련된 다른 작업이 있으므로 실제 경과 시간은 이 값보다 길 수 있습니다.
모델이 더 이상 개선되지 않을 때 학습을 중지하려면 조기 중단 사용 설정을 선택합니다.
동영상
새 모델의 표시 이름을 입력합니다.
계속을 클릭합니다.
학습 방법으로 AutoML Edge를 선택하고 계속을 클릭합니다.
필요에 가장 적합한 최적화 목표를 선택합니다. 정확성, 지연 시간, 또는 둘 다 기준으로 최적화할 수 있습니다.
계속을 클릭합니다.
학습이 시작되고 몇 분 후에 모델의 속성 정보에서 학습 노드 시간 추정을 확인할 수 있습니다. 학습을 취소하면 현재 제품에 요금이 부과되지 않습니다.
학습 시작을 클릭합니다.
모델 학습은 학습 예산(이미지만 해당) 및 데이터의 규모와 복잡성에 따라 많은 시간이 소요될 수 있습니다. 탭을 닫았다가 나중에 다시 돌아와도 됩니다. 모델 학습이 완료되면 이메일이 전송됩니다.