AutoML Edge-Modell mit der Google Cloud Console trainieren

Sie können ein AutoML Edge-Modell (exportierbar) für bestimmte Datentypen direkt in der UI erstellen oder einen Pipeline-Trainingsjob programmatisch starten. Sie erstellen dieses Modell mit einem vorbereiteten Dataset. Erstellen Sie dieses Dataset in der Google Cloud Console oder mithilfe der API. Die Vertex AI API verwendet die Elemente aus dem Dataset, um das Modell zu trainieren, zu testen und die Modellleistung zu bewerten. Prüfen Sie die Bewertungsergebnisse, passen Sie das Trainings-Dataset nach Bedarf an und erstellen Sie einen neuen Trainingsjob mit dem verbesserten Dataset.

Trainingsjobs können mehrere Stunden dauern. Auf der Vertex-AI-Seite der Google Cloud Console wird der Status des Trainings angezeigt.

AutoML Edge-Modell trainieren

  1. Rufen Sie in der Google Cloud Console im Abschnitt "Vertex AI" die Seite Datasets auf.

    Zur Seite „Datasets“

  2. Klicken Sie auf den Namen des Datasets, das Sie zum Trainieren Ihres Modells verwenden möchten, um dessen Detailseite zu öffnen.

  3. Wenn Ihr Datentyp Annotationssätze verwendet, wählen Sie den Annotationssatz aus, den Sie für dieses Modell verwenden möchten.

  4. Klicken Sie auf Neues Modell trainieren.

  5. Führen Sie auf der Seite Neues Modell trainieren die folgenden Schritte für Ihren Datentyp aus:

    Bild

    1. Wählen Sie AutoML Edge für die Trainingsmethode aus und klicken Sie auf Weiter.

    2. Geben Sie den Anzeigenamen für das neue Modell ein.

    3. Wenn Sie die Aufteilung Ihrer Trainingsdaten manuell festlegen möchten, maximieren Sie Erweiterte Optionen und wählen Sie eine Option für die Datenaufteilung aus. Weitere Informationen

    4. Klicken Sie auf Weiter.

    5. Nur Klassifikation-Modelle (optional) Im Abschnitt Erklärbarkeit Erklärbare Bitmaps für jedes Bild im Test-Dataset generieren auswählen, um Vertex Explainable AI zu aktivieren. Wählen Sie Visualisierungseinstellungen aus und klicken Sie auf Weiter.

      Diese Funktion ist mit Kosten verbunden. Weitere Informationen finden Sie unter Preise.

    6. Wählen Sie das Optimierungsziel aus, das Ihren Anforderungen am besten entspricht. Sie können entweder die Genauigkeit, die Latenz oder beides optimieren.

    7. Klicken Sie auf Weiter.

    8. Geben Sie im Fenster Computing und Preise die maximale Anzahl an Stunden ein, in denen Ihr Modell trainiert werden soll.

      Mit dieser Einstellung können Sie die Trainingskosten begrenzen. Die tatsächlich benötigte Zeit kann aber länger sein als dieser Wert, da auch noch andere Vorgänge am Erstellen eines neuen Modells beteiligt sind.

    9. Wenn Sie das Training beenden möchten, wenn das Modell nicht mehr verbessert wird, wählen Sie Vorzeitiges Beenden aktivieren aus.

    Video

    1. Geben Sie den Anzeigenamen für das neue Modell ein.

    2. Klicken Sie auf Weiter.

    3. Wählen Sie AutoML Edge für die Trainingsmethode aus und klicken Sie auf Weiter.

    4. Wählen Sie das Optimierungsziel aus, das Ihren Anforderungen am besten entspricht. Sie können entweder die Genauigkeit, die Latenz oder beides optimieren.

    5. Klicken Sie auf Weiter.

      Einige Minuten nach dem Start des Trainings können Sie die Schätzung der Knotenstunden für das Training anhand der Attribute des Modells prüfen. Wenn Sie das Training abbrechen, fallen für das aktuelle Produkt keine Kosten an.

  6. Klicken Sie auf Training starten.

    Das Modelltraining kann je nach Trainingsbudget (nur Bilder) und Größe sowie Komplexität Ihrer Daten viele Stunden dauern. Sie können diesen Tab schließen und später zurückkehren. Wenn das Training für Ihr Modell abgeschlossen ist, erhalten eine entsprechende E-Mail.

Nächste Schritte