Hello 图片数据：训练 AutoML 图片分类模型

使用 Google Cloud 控制台训练 AutoML 图片分类模型。创建数据集并导入数据后，请使用 Google Cloud 控制台查看训练图片并开始训练模型。

本教程包含多个页面：

1. 设置您的项目和环境。

2. 创建图片分类数据集并导入图片。

3. 训练 AutoML 图片分类模型。

4. 评估和分析模型性能。

5. 将模型部署到端点并发送预测。

6. 清理您的项目。

每个页面均假定您已经按照本教程中之前页面的说明操作。

查看导入的图片

导入数据集后，您将进入浏览标签页。您还可以通过从菜单中选择数据集来访问此标签页。选择与新数据集关联的注解集（一组单标签图片注解）。

要点：注释集是与数据类型和特定目标（在本例中为图片数据类型、分类目标）关联的注释集合。如需详细了解注释集，请参阅创建注释集。

转到“数据集”页面

开始 AutoML 模型训练

选择以下选项之一即可开始训练：

• 选择训练新模型。

• 从菜单中选择模型，然后选择创建。

1. 转到“模型”页面

2. 选择创建以打开训练新模型窗口。

3. 选择选择训练方法，然后选择目标数据集（如果未自动选择）。确保选中 AutoML 单选按钮，然后选择继续。

   

4. （可选）选择定义模型，然后输入模型名称。点击继续。

   

5. 选择训练选项。根据您的准确性和延迟时间需求选择模型选项。（可选）启用增量训练，然后点击继续。

   增量训练注意事项如下：

   • 如果此项目中至少有一个具有相同目标的已训练基础模型，则可以启用增量训练。
   • 增量训练可让您使用现有的基本模型作为训练新模型的起点，而不是从头开始训练新模型。
   • 增量训练通常有助于训练更快完成并节省训练时间。
   • 基准模型可以使用其他数据集进行训练。

   

6. 选择计算和价格。指定节点时预算为 8 个节点时。选择开始训练。

   

训练需要数小时。模型训练完成后，系统会发送电子邮件通知。

后续步骤

请按照本教程的后续页面查看经过训练的 AutoML 模型的性能，并探索改进模型的方法。

按照将模型部署到端点并进行预测说明操作以部署经过训练的 AutoML 模型。系统会将图片发送到模型进行预测。