Data gambar Hello: Melatih model klasifikasi gambar AutoML

Gunakan Konsol Google Cloud untuk melatih model klasifikasi gambar AutoML. Setelah set data dibuat dan data diimpor, gunakan Konsol Google Cloud untuk meninjau gambar pelatihan dan memulai pelatihan model.

Tutorial ini memiliki beberapa halaman:

1. Menyiapkan project dan lingkungan Anda.

2. Membuat set data klasifikasi gambar, dan mengimpor gambar.

3. Melatih model klasifikasi gambar AutoML.

4. Mengevaluasi dan menganalisis performa model.

5. Men-deploy model ke endpoint, dan mengirim prediksi.

6. Membersihkan project Anda.

Setiap halaman mengasumsikan bahwa Anda telah menjalankan petunjuk dari halaman sebelumnya dalam tutorial ini.

Meninjau gambar yang diimpor

Setelah set data diimpor, Anda akan diarahkan ke tab Browse. Anda juga dapat mengakses tab ini dengan memilih Datasets dari menu. Pilih annotation set (kumpulan anotasi gambar berlabel tunggal) yang terkait dengan set data baru.

Poin penting: Kumpulan anotasi terkait dengan sebuah jenis data dan objektif tertentu (dalam hal ini, jenis data gambar dan objektif klasifikasi). Untuk informasi selengkapnya tentang kumpulan anotasi, lihat Membuat kumpulan anotasi.

Buka halaman Datasets

Memulai pelatihan model AutoML

Pilih salah satu opsi berikut untuk memulai pelatihan:

• Pilih Train new model.

• Pilih Model dari menu, lalu pilih Create.

1. Buka halaman Models

2. Pilih Create untuk membuka jendela Train new model.

3. Pilih Select training method, lalu pilih Target dataset jika belum dipilih secara otomatis. Pastikan tombol pilihan AutoML dipilih, lalu pilih CONTINUE.

   

4. (Opsional) Pilih Define your model, lalu masukkan Model name. Klik CONTINUE.

   

5. Pilih Train options. Pilih opsi model sesuai dengan kebutuhan akurasi dan latensi Anda. Jika ingin, aktifkan pelatihan inkremental dan klik CONTINUE.

   Pertimbangan pelatihan inkremental meliputi:

   • Pelatihan inkremental dapat diaktifkan jika ada setidaknya satu model dasar yang telah dilatih dalam project ini dengan objektif yang sama.
   • Pelatihan inkremental memungkinkan Anda menggunakan model dasar yang ada sebagai titik awal untuk melatih model baru, bukan melatih model baru dari awal sama sekali.
   • Secara umum, pelatihan inkremental mempercepat jalannya pelatihan dan menghemat waktu.
   • Model dasar dapat dilatih dari set data yang berbeda.

   

6. Pilih Compute and Pricing. Tetapkan anggaran jam kerja node ke 8 jam kerja node. Pilih Start training.

   

Pelatihan memerlukan waktu beberapa jam. Notifikasi email akan dikirim setelah pelatihan model selesai.

Langkah berikutnya

Lihat halaman berikutnya dalam tutorial ini untuk memeriksa performa model AutoML terlatih Anda dan mempelajari cara membuatnya lebih baik.

Baca artikel Men-deploy model ke endpoint dan membuat prediksi untuk men-deploy model AutoML terlatih. Gambar dikirim ke model untuk prediksi.