Google Cloud 콘솔을 사용하여 AutoML Edge 모델 학습

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

  1. Google Cloud 콘솔의 Vertex AI 섹션에서 데이터 세트 페이지로 이동합니다.

    데이터 세트 페이지로 이동

  2. 모델을 학습시키는 데 사용할 데이터 세트의 이름을 클릭하여 세부정보 페이지를 엽니다.

  3. 데이터 유형이 주석 세트를 사용하는 경우 이 모델에 사용할 주석 세트를 선택합니다.

  4. 새 모델 학습을 클릭합니다.

  5. 새 모델 학습 페이지에서 데이터 유형에 대해 다음 단계를 완료합니다.

    이미지

    1. 학습 방법으로 AutoML Edge를 선택하고 계속을 클릭합니다.

    2. 새 모델의 표시 이름을 입력합니다.

    3. 학습 데이터 분할 방법을 수동으로 설정하려면 고급 옵션을 펼치고 데이터 분할 옵션을 선택합니다. 자세히 알아보기

    4. 계속을 클릭합니다.

    5. 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.

    6. 필요에 가장 적합한 최적화 목표를 선택합니다. 정확성, 지연 시간, 또는 둘 다 기준으로 최적화할 수 있습니다.

    7. 계속을 클릭합니다.

    8. 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.

    9. 모델이 더 이상 개선되지 않을 때 학습을 중지하려면 조기 중단 사용 설정을 선택합니다.

    동영상

    1. 새 모델의 표시 이름을 입력합니다.

    2. 계속을 클릭합니다.

    3. 학습 방법으로 AutoML Edge를 선택하고 계속을 클릭합니다.

    4. 필요에 가장 적합한 최적화 목표를 선택합니다. 정확성, 지연 시간, 또는 둘 다 기준으로 최적화할 수 있습니다.

    5. 계속을 클릭합니다.

      학습이 시작되고 몇 분 후에 모델의 속성 정보에서 학습 노드 시간 추정을 확인할 수 있습니다. 학습을 취소하면 현재 제품에 요금이 부과되지 않습니다.

  6. 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.

다음 단계