Addestramento di un modello AutoML Edge utilizzando la console Google Cloud
Mantieni tutto organizzato con le raccolte
Salva e classifica i contenuti in base alle tue preferenze.
Puoi creare un modello AutoML Edge (esportabile) direttamente nell'interfaccia utente per determinati tipi di dati o avviando un job della pipeline di addestramento programmaticamente. Questo modello viene creato utilizzando un set di dati preparato. Crea questo set di dati nella Google Cloud console o
utilizzando l'API. L'API Vertex AI utilizza gli elementi del set di dati per addestrare il modello, testarlo e valutarne le prestazioni. Esamina i risultati delle valutazioni, modifica il set di dati di addestramento come necessario e crea un nuovo job di addestramento utilizzando il set di dati migliorato.
I job di addestramento possono richiedere diverse ore. La pagina Vertex AI della Google Cloud console mostra lo stato dell'addestramento.
Addestramento di un modello AutoML Edge
Nella Google Cloud console, nella sezione Vertex AI, vai alla pagina Set di dati.
Fai clic sul nome del set di dati che vuoi utilizzare per addestrare il modello per aprire la relativa pagina dei dettagli.
Se il tipo di dati utilizza set di annotazioni, seleziona il set di annotazioni da utilizzare per questo modello.
Fai clic su Addestra nuovo modello.
Nella pagina Addestra nuovo modello, completa i seguenti passaggi per il tipo di dati:
Immagine
Seleziona radio_button_checkedAutoML Edge per il metodo di addestramento e fai clic su Continua.
Inserisci il nome visualizzato per il nuovo modello.
Se vuoi impostare manualmente la suddivisione dei dati di addestramento, espandi Opzioni avanzate e seleziona un'opzione di suddivisione dei dati.
Scopri di più.
Fai clic su Continua.
Solo modelli di classificazione (facoltativo): nella sezione Interpretabilità, seleziona check_boxGenera bitmap "spiegabili" per ogni immagine del set di test per attivare Vertex Explainable AI.
Scegli le impostazioni di visualizzazione e fai clic su Continua.
Questa funzionalità ha costi associati. Per ulteriori informazioni, consulta la sezione Prezzi.
Seleziona l'obiettivo di ottimizzazione più adatto alle tue esigenze. Puoi ottimizzare per accuratezza, latenza o entrambe.
Fai clic su Continua.
Nella finestra Compute e prezzi, inserisci il numero massimo di
ore per cui vuoi addestrare il modello.
Questa impostazione ti consente di limitare i costi di addestramento. Il tempo reale trascorso può essere superiore a questo valore, perché sono coinvolte altre operazioni per la creazione di un nuovo modello.
Se vuoi interrompere l'addestramento quando il modello non migliora più, seleziona Abilita l'interruzione anticipata.
Video
Inserisci il nome visualizzato per il nuovo modello.
Fai clic su Continua.
Seleziona radio_button_checkedAutoML Edge per il metodo di addestramento e fai clic su Continua.
Seleziona l'obiettivo di ottimizzazione più adatto alle tue esigenze. Puoi ottimizzare per accuratezza, latenza o entrambe.
Fai clic su Continua.
Alcuni minuti dopo l'inizio dell'addestramento, puoi controllare la stima delle ore del nodo di addestramento dalle informazioni sulle proprietà del modello.
Se annulli la formazione, non ti verrà addebitato alcun costo per il prodotto attuale.
Fai clic su Inizia addestramento.
L'addestramento del modello può richiedere molte ore, a seconda del budget di addestramento
(solo immagini) e delle dimensioni e della complessità dei dati. Puoi chiudere questa scheda e tornarci in un secondo momento. Riceverai un'email al termine dell'addestramento del tuo
modello.
[[["Facile da capire","easyToUnderstand","thumb-up"],["Il problema è stato risolto","solvedMyProblem","thumb-up"],["Altra","otherUp","thumb-up"]],[["Difficile da capire","hardToUnderstand","thumb-down"],["Informazioni o codice di esempio errati","incorrectInformationOrSampleCode","thumb-down"],["Mancano le informazioni o gli esempi di cui ho bisogno","missingTheInformationSamplesINeed","thumb-down"],["Problema di traduzione","translationIssue","thumb-down"],["Altra","otherDown","thumb-down"]],["Ultimo aggiornamento 2025-09-04 UTC."],[],[],null,["# Train an AutoML Edge model using the Google Cloud console\n\nYou create an AutoML Edge (exportable) model directly in the UI for certain\ndata types, or by starting a training pipeline job\n[programmatically](/vertex-ai/docs/training/automl-edge-api). You create this model using a prepared\ndataset. Create this dataset in the Google Cloud console or\nusing the [API](/vertex-ai/docs/training/automl-edge-api). Vertex AI API uses the\nitems from the dataset to train the model, test it, and evaluate\nmodel performance. Review the evaluations results, adjust the training dataset\nas needed, and create a new training job using the improved dataset.\n\nTraining jobs can take several hours to complete. The Vertex AI\npage of the Google Cloud console shows the status of training.\n\nTraining an AutoML Edge model\n-----------------------------\n\n1. In the Google Cloud console, in the Vertex AI section, go to\n the **Datasets** page.\n\n [Go to the Datasets page](https://console.cloud.google.com/vertex-ai/datasets)\n2. Click the name of the dataset you want to use to train your model to open\n its details page.\n\n3. If your data type uses annotation sets, select the annotation set you want\n to use for this model.\n\n4. Click **Train new model**.\n\n5. In the **Train new model** page, complete the\n following steps for your data type:\n\n ### Image\n\n 1.\n Select radio_button_checked**AutoML Edge**\n for the training method and click **Continue**.\n\n 2. Enter the display name for your new model.\n\n 3.\n If you want manually set how your training data is split, expand **Advanced\n options** and select a data split option.\n [Learn more](/vertex-ai/docs/general/ml-use).\n\n 4. Click **Continue**.\n\n 5.\n ***Classification** models only (optional)* : In the **Explainability**\n section, select check_box**Generate explainable\n bitmaps for each image in the test set** to enable\n [Vertex Explainable AI](/vertex-ai/docs/explainable-ai/overview).\n Choose [visualization settings](/vertex-ai/docs/explainable-ai/visualization-settings-automl-icn) and\n click **Continue**.\n\n This feature has costs associated with it. See [Pricing](/vertex-ai/pricing)\n for more information.\n\n \u003cbr /\u003e\n\n 6.\n Select the optimization goal that best suits your need. You\n can optimize for accuracy, latency, or both.\n\n 7. Click **Continue**.\n\n 8.\n In the **Compute and pricing** window, enter the maximum number of\n hours you want your model to train for.\n\n\n This setting helps you put a cap on the training costs. The actual\n time elapsed can be longer than this value, because there are other\n operations involved in creating a new model.\n\n \u003cbr /\u003e\n\n 9.\n If you want to stop training when the model is no longer\n improving, select **Enable early stopping**.\n\n ### Video\n\n 1. Enter the display name for your new model.\n\n 2. Click **Continue**.\n\n 3.\n Select radio_button_checked**AutoML Edge**\n for the training method and click **Continue**.\n\n 4.\n Select the optimization goal that best suits your need. You\n can optimize for accuracy, latency, or both.\n\n 5. Click **Continue**.\n\n Several minutes after training starts, you can check the training\n node hour estimation from the model's properties information.\n If you cancel the training, there is no charge on the current product.\n\n \u003cbr /\u003e\n\n6. Click **Start Training**.\n\n Model training can take many hours, depending on your training budget\n (image only) and the size and complexity of your data. You can close\n this tab and return to it later. You will receive an email when your\n model has completed training.\n\nWhat's next\n-----------\n\n- [Evaluate AutoML models](/vertex-ai/docs/training/evaluating-automl-models).\n- [Export AutoML Edge models](/vertex-ai/docs/export/export-edge-model).\n- [Use Vertex Explainable AI to understand model behavior](/vertex-ai/docs/explainable-ai/overview)."]]
