Mengelola model
Model dilatih menggunakan set data yang sudah disiapkan dan Anda berikan. AutoML Video Intelligence Classification menggunakan item dari set data Anda untuk melatih, menguji, dan evaluate performa model. Selanjutnya, Anda harus meninjau hasilnya, menyesuaikan set data pelatihan sesuai kebutuhan, dan melatih model baru menggunakan set data yang ditingkatkan.
Proses pelatihan model dapat memakan waktu beberapa jam untuk diselesaikan. Dengan AutoML API, Anda dapat memeriksa status pelatihan.
Karena AutoML Video Intelligence Classification membuat model baru setiap kali Anda memulai pelatihan, project Anda mungkin akan menyertakan banyak model. Anda bisa mendapatkan daftar model di project Anda dan dapat menghapus model yang tidak diperlukan lagi.
Masa pakai maksimum untuk model adalah dua tahun. Anda harus membuat dan melatih model baru untuk terus mengklasifikasikan konten setelah jangka waktu tersebut.
Menggunakan curl atau PowerShell
Agar lebih mudah untuk menjalankan contoh curl
(atau PowerShell) dalam
topik ini, tetapkan variabel lingkungan berikut. Ganti project-id dengan nama project Google Cloud Anda.
export PROJECT_ID="project-id"
Melatih model
Jika Anda memiliki set data dengan kumpulan item pelatihan berlabel yang solid, Anda siap untuk membuat dan melatih model.
UI Web
-
Buka AutoML Video UI dan buka halaman Datasets.
-
Pilih set data yang ingin Anda gunakan untuk melatih model.
Nama tampilan set data yang dipilih akan muncul di panel judul, dan halaman tersebut mencantumkan setiap item dalam set data beserta labelnya.
-
Setelah selesai meninjau set data, klik tab Train di bawah panel judul.
Halaman pelatihan memberikan analisis dasar set data Anda dan memberi tahu Anda apakah set data tersebut memadai untuk pelatihan. Jika AutoML Video menyarankan perubahan, pertimbangkan untuk kembali ke halaman Video dan menambahkan item atau label.
- Setelah set data siap, klik Start Training untuk membuat model baru atau Train New Model jika ingin membuat model tambahan.
REST
Sebelum menggunakan salah satu data permintaan, lakukan penggantian berikut:
- dataset-id: ID adalah elemen terakhir dari nama set data Anda.
Misalnya, jika nama set data Anda adalah
projects/434039606874/locations/us-central1/datasets/VCN3104518874390609379
, maka ID set data Anda adalahVCN3104518874390609379
. - Catatan:
- project-number: nomor project Anda
- location-id: region Cloud tempat anotasi
seharusnya dilakukan. Region cloud yang didukung adalah:
us-east1
,us-west1
,europe-west1
,asia-east1
. Jika tidak ada wilayah yang ditentukan, wilayah akan ditentukan berdasarkan lokasi file video.
Metode HTTP dan URL:
POST https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/models
Isi JSON permintaan:
{ "displayName": "test_model", "dataset_id": "dataset-id", "videoClassificationModelMetadata": {} }
Untuk mengirim permintaan Anda, pilih salah satu opsi berikut:
curl
Simpan isi permintaan dalam file bernama request.json
,
dan jalankan perintah berikut:
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "x-goog-user-project: project-number" \
-H "Content-Type: application/json; charset=utf-8" \
-d @request.json \
"https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/models"
PowerShell
Simpan isi permintaan dalam file bernama request.json
,
dan jalankan perintah berikut:
$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred"; "x-goog-user-project" = "project-number" }
Invoke-WebRequest `
-Method POST `
-Headers $headers `
-ContentType: "application/json; charset=utf-8" `
-InFile request.json `
-Uri "https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/models" | Select-Object -Expand Content
{ "name": "projects/project-number/locations/location-id/operations/operation-id", "metadata": { "@type": "type.googleapis.com/google.cloud.automl.v1beta1.OperationMetadata", "progressPercentage": 100, "createTime": "2020-02-27T01:56:28.395640Z", "updateTime": "2020-02-27T02:04:12.336070Z" }, "done": true, "response": { "@type": "type.googleapis.com/google.cloud.automl.v1beta1.Model", "name": "projects/project-number/locations/location-id/models/operation-id", "createTime": "2020-02-27T02:00:22.329970Z", "videoClassificationModelMetadata": { "trainBudget": "1", "trainCost": "1", "stopReason": "BUDGET_REACHED" }, "displayName": "a_98487760535e48319dd204e6394670" } }
Java
Untuk mengautentikasi ke AutoML Video, siapkan Kredensial Default Aplikasi. Untuk mengetahui informasi selengkapnya, baca Menyiapkan autentikasi untuk lingkungan pengembangan lokal.
Node.js
Untuk mengautentikasi ke AutoML Video, siapkan Kredensial Default Aplikasi. Untuk mengetahui informasi selengkapnya, baca Menyiapkan autentikasi untuk lingkungan pengembangan lokal.
Python
Untuk mengautentikasi ke AutoML Video, siapkan Kredensial Default Aplikasi. Untuk mengetahui informasi selengkapnya, baca Menyiapkan autentikasi untuk lingkungan pengembangan lokal.
Mendapatkan informasi tentang model
Setelah pelatihan selesai, Anda bisa mendapatkan informasi tentang model yang baru dibuat.
Contoh di bagian ini menampilkan metadata dasar tentang suatu model. Untuk mendapatkan detail tentang akurasi dan kesiapan model, silakan melihat Mengevaluasi model.
UI Web
-
Buka halaman Models di AutoML Video UI.
- Klik nama model yang ingin Anda lihat.
REST
Sebelum menggunakan salah satu data permintaan, lakukan penggantian berikut:
- model-name: Nama lengkap model yang diberikan oleh respons saat Anda membuat model. Nama lengkapnya memiliki format: projects/project-number/locations/location-id/models/model-id
- dataset-id: ganti dengan ID set data untuk set data Anda
(bukan nama tampilan). Contoh:
VCN3940649673949184000
- project-number: jumlah project Anda
Metode HTTP dan URL:
GET https://automl.googleapis.com/v1beta1/model-name/modelEvaluations
Meminta isi JSON:
{ "displayName": "test_model", "dataset_id": "dataset-id", "videoClassificationModelMetadata": {} }
Untuk mengirim permintaan Anda, perluas salah satu opsi berikut:
Anda akan melihat respons JSON seperti berikut:
Java
Untuk mengautentikasi ke AutoML Video, siapkan Kredensial Default Aplikasi. Untuk mengetahui informasi selengkapnya, baca Menyiapkan autentikasi untuk lingkungan pengembangan lokal.
Node.js
Untuk mengautentikasi ke AutoML Video, siapkan Kredensial Default Aplikasi. Untuk mengetahui informasi selengkapnya, baca Menyiapkan autentikasi untuk lingkungan pengembangan lokal.
Python
Untuk mengautentikasi ke AutoML Video, siapkan Kredensial Default Aplikasi. Untuk mengetahui informasi selengkapnya, baca Menyiapkan autentikasi untuk lingkungan pengembangan lokal.
Membuat daftar model
Sebuah proyek dapat meliputi banyak model. Bagian ini menjelaskan cara mengambil daftar model yang tersedia untuk sebuah project.
UI Web
Buka halaman Models di UI Video AutoML untuk melihat model dalam project Anda.Untuk melihat model bagi project yang berbeda, pilih project dari menu drop-down di kanan atas kolom judul.
REST
Sebelum menggunakan salah satu data permintaan, lakukan penggantian berikut:
- model-name: Nama lengkap model yang diberikan oleh respons saat Anda membuat model. Nama lengkapnya memiliki format: projects/project-number/locations/location-id/models
- Catatan:
- project-number: nomor project Anda
- location-id: region Cloud tempat anotasi
seharusnya dilakukan. Region cloud yang didukung adalah:
us-east1
,us-west1
,europe-west1
,asia-east1
. Jika tidak ada wilayah yang ditentukan, wilayah akan ditentukan berdasarkan lokasi file video.
Metode HTTP dan URL:
GET https://automl.googleapis.com/v1beta1/projects/project-number/locations/location-id/models
Untuk mengirim permintaan, perluas salah satu opsi berikut:
Anda akan menerima respons JSON yang mirip dengan yang berikut ini:
Java
Untuk mengautentikasi ke AutoML Video, siapkan Kredensial Default Aplikasi. Untuk mengetahui informasi selengkapnya, baca Menyiapkan autentikasi untuk lingkungan pengembangan lokal.
Node.js
Untuk mengautentikasi ke AutoML Video, siapkan Kredensial Default Aplikasi. Untuk mengetahui informasi selengkapnya, baca Menyiapkan autentikasi untuk lingkungan pengembangan lokal.
Python
Untuk mengautentikasi ke AutoML Video, siapkan Kredensial Default Aplikasi. Untuk mengetahui informasi selengkapnya, baca Menyiapkan autentikasi untuk lingkungan pengembangan lokal.
Menghapus model
Contoh berikut akan menghapus model.
UI Web
- Buka halaman Models di
AutoML Video UI.
- Klik menu tiga titik di ujung kanan baris yang ingin Anda hapus, lalu pilih Delete.
- Klik Konfirmasi di kotak dialog konfirmasi.
REST
Sebelum menggunakan salah satu data permintaan, lakukan penggantian berikut:
- model-id: ganti dengan ID untuk model Anda
- Catatan:
- project-number: nomor project Anda
- location-id: region Cloud tempat anotasi
seharusnya dilakukan. Region cloud yang didukung adalah:
us-east1
,us-west1
,europe-west1
,asia-east1
. Jika tidak ada wilayah yang ditentukan, wilayah akan ditentukan berdasarkan lokasi file video.
Metode HTTP dan URL:
DELETE https://automl.googleapis.com/v1beta1/projects/project-number/locations/test/models/model-id
Untuk mengirim permintaan, perluas salah satu opsi berikut:
Anda akan menerima respons JSON yang mirip dengan yang berikut ini:
Java
Untuk mengautentikasi ke AutoML Video, siapkan Kredensial Default Aplikasi. Untuk mengetahui informasi selengkapnya, baca Menyiapkan autentikasi untuk lingkungan pengembangan lokal.
Node.js
Untuk mengautentikasi ke AutoML Video, siapkan Kredensial Default Aplikasi. Untuk mengetahui informasi selengkapnya, baca Menyiapkan autentikasi untuk lingkungan pengembangan lokal.
Python
Untuk mengautentikasi ke AutoML Video, siapkan Kredensial Default Aplikasi. Untuk mengetahui informasi selengkapnya, baca Menyiapkan autentikasi untuk lingkungan pengembangan lokal.