AutoML Edge（エクスポート可能）モデルを作成するには、特定のデータ型の UI から直接作成するか、プログラムでトレーニング パイプライン ジョブを開始します。このモデルは、準備済みのデータセットを使用して作成します。Google Cloud コンソールまたは API を使用して、このデータセットを作成します。Vertex AI API は、データセットの項目を使用してモデルのトレーニングとテストを行い、モデルのパフォーマンスを評価します。評価結果を確認して、必要に応じてトレーニング データセットを調整し、改善されたデータセットで新しいトレーニング ジョブを作成します。
トレーニング ジョブが完了するまで数時間かかる場合があります。Google Cloud コンソールの [Vertex AI] ページにトレーニングのステータスが表示されます。
AutoML Edge モデルのトレーニング
Google Cloud コンソールの [Vertex AI] セクションで、[データセット] ページに移動します。
モデルのトレーニングに使用するデータセットの名前をクリックして、詳細ページを開きます。
目的のデータ型でアノテーション セットが使用されている場合は、モデルで使用するアノテーション セットを選択します。
[新しいモデルのトレーニング] をクリックします。
[新しいモデルのトレーニング] ページで、データ型に応じて次の手順を行います。
画像
トレーニング メソッドとして [AutoML] を選択し、[続行] をクリックします。
新しいモデルの表示名を入力します。
トレーニング データの分割方法を手動で設定する場合は、[ADVANCED OPTIONS] を開き、データ分割オプションを選択します詳細。
[続行] をクリックします。
分類モデルのみ（省略可）: [説明可能性] セクションで、[テストセット内の画像ごとに、説明可能なビットマップを生成する] を選択して、Vertex Explainable AI を有効にします。可視化設定を選択し、[続行] をクリックします。
この機能を使用すると費用が発生します。詳細は料金をご覧ください。
ニーズに最適な の最適化目標を選択します。精度、レイテンシ、またはその両方を最適化できます。
[続行] をクリックします。
[コンピューティングと料金] ウィンドウで、モデルのトレーニングの最大時間数を入力します。
この設定により、トレーニング費用に上限を設定できます。新しいモデルの作成には他のオペレーションも必要なため、実際の経過時間がこの値より長くなることがあります。
モデルが改善されなくなった時点でトレーニングを停止したい場合は、[Enable early stopping] を選択します。
動画
新しいモデルの表示名を入力します。
[続行] をクリックします。
トレーニング メソッドとして [AutoML] を選択し、[続行] をクリックします。
ニーズに最適な の最適化目標を選択します。精度、レイテンシ、またはその両方を最適化できます。
[続行] をクリックします。
トレーニング開始から数分後には、モデルのプロパティ情報からトレーニング ノード時間の見積もりを確認できます。トレーニングをキャンセルした場合、現在のプロダクトに料金はかかりません。
[トレーニングを開始] をクリックします。
トレーニング予算（画像のみ）、データのサイズと複雑さによっては、モデルのトレーニングに何時間もかかる可能性があります。このタブを閉じて、後で戻ることもできます。モデルのトレーニングが完了すると、メールが送られてきます。