Hello 画像データ: エンドポイントへのモデルのデプロイと予測の送信

AutoML 画像分類モデルのトレーニングが完了したら、Google Cloud コンソールでエンドポイントを作成してモデルをデプロイします。この新しいエンドポイントにモデルをデプロイしたら、モデルにラベル予測のイメージを送信します。

このチュートリアルは、次のページから構成されています。

  1. プロジェクトと環境を設定します。

  2. 画像分類データセットを作成して画像をインポートします

  3. AutoML 画像分類モデルをトレーニングします

  4. モデルのパフォーマンスを評価して分析します

  5. エンドポイントにモデルをデプロイして、予測を送信します。

  6. プロジェクトをクリーンアップします

各ページは、前のページのチュートリアルの手順をすでに実施していることを前提としています。

エンドポイントにモデルをデプロイする

[モデル] ページから、トレーニング済みモデルにアクセスして、新規または既存のエンドポイントにデプロイします。

  1. Google Cloud コンソールの Vertex AI セクションで、[トレーニング] ページに移動します。

    [トレーニング] ページに移動

  2. トレーニング済みの AutoML モデルを選択します。[評価] タブが開き、モデルのパフォーマンス指標を確認できます。

  3. [ デプロイとテスト] タブを選択します。

  4. [エンドポイントへのデプロイ] をクリックします。

  5. [新しいエンドポイントを作成する] を選択して、エンドポイント名を hello_automl_image に設定し、[続行] をクリックします。

  6. [モデル設定] で、100%トラフィック分割を受け入れ、[コンピューティング ノードの数] に「1」と入力して、[完了] をクリックします。

  7. [デプロイ] をクリックして、新しいエンドポイントにモデルをデプロイします。

エンドポイントを作成し AutoML モデルを新しいエンドポイントにデプロイするのに数分かかります。

モデルに予測を送信する

エンドポイントの作成プロセスが終了したら、Google Cloud コンソールで単一の画像アノテーション(予測)リクエストを送信できます。

  1. 前の手順でエンドポイントを作成したときと同じ [デプロイとテスト] タブの [モデルのテスト] に移動します([モデル] > [your_model] > [ デプロイとテスト])。

  2. [Upload image] をクリックして、予測用にローカルに保存された画像を選択し、予測ラベルを表示します。

    UI の画像予測
    画像クレジット: Siming Ye, Unsplash(UI ビューに表示)。

次のステップ

チュートリアルの最後のページで、作成したリソースをクリーンアップする。