Hello 画像データ: AutoML 画像分類モデルのトレーニング

Google Cloud コンソールを使用して AutoML 画像分類モデルをトレーニングします。データセットを作成してデータをインポートしたら、Google Cloud コンソールを使用してトレーニング画像を確認し、モデルのトレーニングを開始します。

このチュートリアルには複数のページが含まれます。

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。

インポートした画像を確認する

データセットのインポートが完了すると、自動的に [参照] タブに移動します。このタブには、メニューから [データセット] を選択してアクセスすることもできます。新しいデータセットに関連付けられたアノテーション セット（単一ラベルの画像アノテーションのセット）を選択します。

重要なポイント: アノテーション セットは、データ型と特定の目標（この場合は、画像データ型と分類目標）に関連付けられたアノテーションのコレクションです。アノテーション セットの詳細については、アノテーション セットの作成をご覧ください。

[データセット] ページに移動

AutoML モデルのトレーニングを開始する

次のいずれかのオプションを選択して、トレーニングを開始します。

• [新しいモデルをトレーニング] を選択します。

• メニューから [モデル] を選択し、[作成] を選択します。

1. [モデル] ページに移動

2. [作成] を選択して [新しいモデルのトレーニング] ウィンドウを開きます。

3. [トレーニング方法] を選択し、自動的に選択されていない場合はターゲットの [データセット] を選択します。[AutoML] ラジオボタンが選択されていることを確認し、[続行] を選択します。

   

4. （省略可）[モデルの定義] を選択して、モデル名を入力します。[続行] をクリックします。

   

5. トレーニング オプションを選択します。精度とレイテンシのニーズに応じてモデル オプションを選択します。必要に応じて、増分トレーニングを有効にして [続行] をクリックします。

   増分トレーニングの考慮事項は次のとおりです。

   • 増分トレーニングは、プロジェクト内に同じ目標でトレーニングされたベースモデルが 1 つ以上ある場合に有効にできます。
   • 増分トレーニングでは、新しいモデルをゼロからトレーニングするのではなく、既存のベースモデルを出発点として使用して、新しいモデルをトレーニングできます。
   • 増分トレーニングにより、通常はトレーニングが迅速に行われ、トレーニング時間が短縮されます。
   • ベースモデルは別のデータセットからトレーニングできます。

   

6. [コンピューティングと料金] を選択します。ノード時間予算として 8 ノード時間を指定します。[トレーニングを開始] を選択します。

   ノード時間予算は、モデルがトレーニングに費やす最大時間です（多少異なる場合があります）。この値にノード時間あたりの料金を掛けて、合計トレーニング費用を計算します。トレーニング時間が長いほどモデルの精度が（ある程度まで）向上しますが、費用は高くなります。開発目的であれば予算が少なくても問題ありませんが、本番環境では費用と精度のバランスを取ることが重要です。

トレーニングには数時間かかります。モデルのトレーニングが完了すると、メール通知が送信されます。

次のステップ

このチュートリアルの次のページの手順に沿って、トレーニング済みの AutoML モデルのパフォーマンスを確認し、モデルを改善する方法を探る。

エンドポイントにモデルをデプロイして予測するの手順に沿って、トレーニング済みの AutoML モデルをデプロイします。予測のために画像がモデルに送信されます。