Données d'images Hello : créer un ensemble de données de classification d'images et importer des images
Restez organisé à l'aide des collections
Enregistrez et classez les contenus selon vos préférences.
Utilisez la console Google Cloud pour créer un ensemble de données de classification d'images.
Une fois votre ensemble de données créé, utilisez un fichier CSV pointant vers les images d'un bucket Cloud Storage public pour les importer dans l'ensemble de données.
Chaque page suppose que vous avez déjà effectué les instructions des pages précédentes du tutoriel.
Fichier d'entrée de données d'image
Les fichiers image que vous utilisez dans ce tutoriel proviennent de l'ensemble de données Flower utilisé dans cet article de blog TensorFlow.
Ces images d'entrée sont stockées dans un bucket Cloud Storage public. Ce bucket accessible au public contient également un fichier CSV que vous utilisez pour l'importation de données.
Ce fichier comporte deux colonnes : la première répertorie l'URI d'une image dans Cloud Storage et la deuxième contient l'étiquette de l'image. Voici des exemples de lignes :
Créer un ensemble de données de classification d'images et importer des données
Accédez à la console Google Cloud pour lancer le processus de création de l'ensemble de données et d'entraînement de votre modèle de classification d'images.
Lorsque vous y êtes invité, veillez à sélectionner le projet que vous avez utilisé pour créer le bucket Cloud Storage.
Sur la page "Premiers pas avec Vertex AI", cliquez sur Créer un ensemble de données.
Spécifiez un nom pour cet ensemble de données (facultatif).
Dans l'onglet "Image" de la section "Sélectionner un type de données et un objectif", cochez la case d'option radio_button_checkedClassification d'images (étiquette unique). Dans le menu déroulant "Région", sélectionnez US Central.
Sélectionnez Créer pour créer un ensemble de données vide. Après avoir sélectionné "Créer", vous accédez à la fenêtre d'importation de données.
Sélectionnez l'option radio_button_checkedSélectionner des fichiers d'importation à partir de Cloud Storage, puis spécifiez l'URI Cloud Storage du fichier CSV avec l'emplacement de l'image et les données d'étiquettes. Le fichier CSV utilisé dans ce guide de démarrage rapide se situe à l'emplacement gs://cloud-samples-data/ai-platform/flowers/flowers.csv. Copiez et collez le texte suivant dans le champ "Chemin du fichier d'importation" :
Cliquez sur Continue (Continuer) pour lancer l'importation de l'image. Le processus d'importation prend quelques minutes. Une fois l'opération terminée, vous êtes redirigé vers la page suivante qui affiche toutes les images identifiées pour votre ensemble de données, avec et sans étiquettes.
Sauf indication contraire, le contenu de cette page est régi par une licence Creative Commons Attribution 4.0, et les échantillons de code sont régis par une licence Apache 2.0. Pour en savoir plus, consultez les Règles du site Google Developers. Java est une marque déposée d'Oracle et/ou de ses sociétés affiliées.
Dernière mise à jour le 2024/09/05 (UTC).
[[["Facile à comprendre","easyToUnderstand","thumb-up"],["J'ai pu résoudre mon problème","solvedMyProblem","thumb-up"],["Autre","otherUp","thumb-up"]],[["Difficile à comprendre","hardToUnderstand","thumb-down"],["Informations ou exemple de code incorrects","incorrectInformationOrSampleCode","thumb-down"],["Il n'y a pas l'information/les exemples dont j'ai besoin","missingTheInformationSamplesINeed","thumb-down"],["Problème de traduction","translationIssue","thumb-down"],["Autre","otherDown","thumb-down"]],["Dernière mise à jour le 2024/09/05 (UTC)."],[],[],null,["# Hello image data: Create an image classification dataset and import images\n\nUse the Google Cloud console to create an image classification dataset.\nAfter your dataset is created, use a CSV pointing to images in a public\nCloud Storage bucket to import those images into the dataset.\n\nThis tutorial has several pages:\n\n1. [Set up your project and environment.](/vertex-ai/docs/tutorials/image-classification-automl)\n\n2. Create an image classification dataset, and\n import images.\n\n3. [Train an AutoML image classification\n model.](/vertex-ai/docs/tutorials/image-classification-automl/training)\n\n4. [Evaluate and analyze model performance.](/vertex-ai/docs/tutorials/image-classification-automl/error-analysis)\n\n5. [Deploy a model to an endpoint, and send a\n prediction.](/vertex-ai/docs/tutorials/image-classification-automl/deploy-predict)\n\n6. [Clean up your project.](/vertex-ai/docs/tutorials/image-classification-automl/cleanup)\n\nEach page assumes that you have already performed the instructions from the\nprevious pages of the tutorial.\n\nImage data input file\n---------------------\n\n| **Key point** : A single dataset can be used for multiple objectives. This tutorial focuses on *image classification* (applying a label to an image), but the same data could be used for another objective, such as *object detection* (object identification and labeling).\n\nThe image files you use in this tutorial are from the flower dataset used in\nthis [Tensorflow blog post](https://cloud.google.com/blog/products/gcp/how-to-classify-images-with-tensorflow-using-google-cloud-machine-learning-and-cloud-dataflow).\nThese input images are stored in a public Cloud Storage bucket. This\npublicly-accessible bucket also contains a CSV file you use for data import.\nThis file has two columns:\nthe first column lists an image's URI in Cloud Storage, and the second\ncolumn contains the image's label. Below you can see some sample rows:\n\n`gs://cloud-samples-data/ai-platform/flowers/flowers.csv`: \n\n gs://cloud-samples-data/ai-platform/flowers/daisy/10559679065_50d2b16f6d.jpg,daisy\n gs://cloud-samples-data/ai-platform/flowers/dandelion/10828951106_c3cd47983f.jpg,dandelion\n gs://cloud-samples-data/ai-platform/flowers/roses/14312910041_b747240d56_n.jpg,roses\n gs://cloud-samples-data/ai-platform/flowers/sunflowers/127192624_afa3d9cb84.jpg,sunflowers\n gs://cloud-samples-data/ai-platform/flowers/tulips/13979098645_50b9eebc02_n.jpg,tulips\n\nCreate an image classification dataset and import data\n------------------------------------------------------\n\nVisit the [Google Cloud console](https://console.cloud.google.com/vertex-ai/)\nto begin the process of creating your dataset and training your image\nclassification model.\n\nWhen prompted, make sure to select the project that you used for your Cloud\nStorage bucket.\n\n1. From the Get started with Vertex AI page, click\n **Create dataset**.\n\n2. Specify a name for this dataset (optional).\n\n3. In the Image tab of the \"Select a data type and objective\" section, choose\n the\n radio_button_checked**Image classification (Single-label)**\n radio option. In the Region drop-down menu select **US Central**.\n\n4. Select **Create** to create the empty dataset. After selecting Create you\n will advance to the data import window.\n\n5. Select the radio_button_checked**Select\n import files from Cloud Storage** and specify the Cloud Storage\n URI of the CSV file with the image location and label data. For this\n quickstart, the CSV file is at\n `gs://cloud-samples-data/ai-platform/flowers/flowers.csv`. Copy and paste\n the following into the \"Import file path\" field:\n\n -\n\n ```\n cloud-samples-data/ai-platform/flowers/flowers.csv\n ```\n\n6. Click **Continue** to begin image import. The import process takes a\n few minutes. When it completes, you are taken to the next page that shows\n all of the images identified for your dataset, both labeled and\n unlabeled images.\n\n | When using the indicated flower dataset, you will see several warning alerts. This is purposeful, to show you error messages you may encounter with your own data.\n\n \u003cbr /\u003e\n\nWhat's next\n-----------\n\nFollow the [next page of this tutorial](/vertex-ai/docs/tutorials/image-classification-automl/training) to start an\nAutoML model training job."]]
