使用 Google Cloud 控制台训练 AutoML Edge 模型

您可以在某些数据类型直接在界面中创建 AutoML Edge(可导出)模型,或通过以编程方式启动训练流水线作业。您可以使用准备好的数据集创建此模型。在 Google Cloud 控制台中或使用 API 创建此数据集。Vertex AI API 使用数据集中的项来训练、测试模型并评估模型性能。查看评估结果,根据需要调整训练数据集,并使用改进的数据集创建新的训练作业。

训练作业可能需要几个小时才能完成。Google Cloud 控制台的 Vertex AI 页面显示训练状态。

训练 AutoML Edge 模型

  1. 在 Google Cloud 控制台的 Vertex AI 部分中,转到数据集页面。

    转到“数据集”页面

  2. 点击要用于训练模型的数据集的名称,以打开其详情页面。

  3. 如果您的数据类型使用注释集,请选择要用于此模型的注释集。

  4. 点击训练新模型

  5. 训练新模型页面中,根据数据类型完成以下步骤:

    图片

    1. 选择 AutoML Edge 作为训练方法,然后点击继续

    2. 输入新模型的显示名。

    3. 如果您要手动设置训练数据的拆分方式,请展开高级选项,然后选择数据拆分选项。了解详情

    4. 点击继续

    5. 仅限分类模型(可选):在可解释性部分,选择 为测试集内的每张图片生成可解释的位图以启用 Vertex Explainable AI。选择可视化设置,然后点击继续

      此功能涉及相关费用。如需了解详情,请参阅价格

    6. 选择最符合您需求的 优化目标。您可以优化准确率和/或延迟时间。

    7. 点击继续

    8. 计算和价格窗口中,输入模型训练小时数的上限。

      此设置有助于限制训练费用。实际所用的时间可能超过此值,因为创建新模型涉及其他操作。

    9. 如果要在模型无法再改进时停止训练,请选择启用早停法

    视频

    1. 输入新模型的显示名。

    2. 点击继续

    3. 选择 AutoML Edge 作为训练方法,然后点击继续

    4. 选择最符合您需求的 优化目标。您可以优化准确率和/或延迟时间。

    5. 点击继续

      训练开始几分钟后,您即可在模型的属性信息中查看训练节点时的估算值。如果您取消训练,当前产品不会产生费用。

  6. 点击开始训练

    模型训练可能需要几个小时,具体取决于您的训练预算(仅限图片)以及数据的大小和复杂程度。您可以关闭此标签页,稍后再返回。模型完成训练后,您会收到电子邮件。

后续步骤