Etichetta le immagini con AutoML Vision
Questa guida rapida illustra la procedura per:
- Copia di un insieme di immagini in Cloud Storage.
- Creazione di un file CSV con l'elenco delle immagini e delle relative etichette di classificazione.
- Utilizzo di AutoML Vision per creare il tuo set di dati, addestrare ed eseguire il deployment del modello.
- Classificare un'immagine utilizzando il modello addestrato con etichette personalizzate.
Prima di iniziare
Configura il progetto
- Accedi al tuo account Google Cloud. Se non conosci Google Cloud, crea un account per valutare le prestazioni dei nostri prodotti in scenari reali. I nuovi clienti ricevono anche 300 $di crediti gratuiti per l'esecuzione, il test e il deployment dei carichi di lavoro.
- Installa Google Cloud CLI.
-
Per initialize gcloud CLI, esegui questo comando:
gcloud init
-
Create or select a Google Cloud project.
-
Create a Google Cloud project:
gcloud projects create PROJECT_ID
Replace
PROJECT_ID
with a name for the Google Cloud project you are creating. -
Select the Google Cloud project that you created:
gcloud config set project PROJECT_ID
Replace
PROJECT_ID
with your Google Cloud project name.
-
-
Assicurati che la fatturazione sia attivata per il tuo progetto Google Cloud.
-
Abilita le API AutoML and Cloud Storage.
gcloud services enable storage-component.googleapis.com
automl.googleapis.com storage-api.googleapis.com - Installa Google Cloud CLI.
-
Per initialize gcloud CLI, esegui questo comando:
gcloud init
-
Create or select a Google Cloud project.
-
Create a Google Cloud project:
gcloud projects create PROJECT_ID
Replace
PROJECT_ID
with a name for the Google Cloud project you are creating. -
Select the Google Cloud project that you created:
gcloud config set project PROJECT_ID
Replace
PROJECT_ID
with your Google Cloud project name.
-
-
Assicurati che la fatturazione sia attivata per il tuo progetto Google Cloud.
-
Abilita le API AutoML and Cloud Storage.
gcloud services enable storage-component.googleapis.com
automl.googleapis.com storage-api.googleapis.com - Imposta la variabile di ambiente
PROJECT_ID
sul tuo ID progetto.export PROJECT_ID=PROJECT_ID
Le chiamate API e i nomi delle risorse AutoML includono l'ID progetto al loro interno. La variabile di ambientePROJECT_ID
consente di specificare facilmente l'ID.
Crea un bucket Cloud Storage
Utilizza Cloud Shell, una riga di comando Linux basata su browser connessa al progetto della console Google Cloud, per creare il tuo bucket Cloud Storage:
Creare un bucket Cloud Storage. Il nome del bucket deve essere nel formato:
project-id-vcm
.Il seguente comando crea un bucket di archiviazione denominato
project-id-vcm
nella regioneus-central1
. Per un elenco completo delle regioni disponibili, consulta la pagina Località dei bucket.gsutil mb -p ${PROJECT_ID} -c regional -l us-central1 gs://${PROJECT_ID}-vcm/
Imposta la variabile BUCKET.
export BUCKET=${PROJECT_ID}-vcm
Copia le immagini di esempio nel tuo bucket
Ora copia il set di dati dei fiori utilizzato in questo post del blog di Tensorflow. Le immagini vengono archiviate in un bucket Cloud Storage pubblico, quindi puoi copiarle nel tuo bucket direttamente da qui.
Nella sessione di Cloud Shell inserisci:
gsutil -m cp -R gs://cloud-samples-data/ai-platform/flowers/ gs://${BUCKET}/img/
La copia del file richiede circa 20 minuti.
Creare il file CSV di classificazione delle immagini
Il set di dati di esempio contiene un file CSV con tutte le posizioni delle immagini e le etichette di ogni immagine. Lo utilizzerai per creare il tuo file CSV:
Aggiorna il file CSV in modo che punti ai file nel tuo bucket:
gsutil cat gs://${BUCKET}/img/flowers/all_data.csv | sed "s:cloud-ml-data/img/flower_photos/:${BUCKET}/img/flowers/:" > all_data.csv
Copia il file CSV nel tuo bucket:
gsutil cp all_data.csv gs://${BUCKET}/csv/
Crea il tuo set di dati di classificazione delle immagini
Visita l'interfaccia utente di AutoML Vision per iniziare il processo di creazione del set di dati e di addestramento del modello.
Quando richiesto, assicurati di selezionare il progetto che hai utilizzato per il bucket Cloud Storage.
Nella pagina AutoML Vision, fai clic su Nuovo set di dati:
Specifica un nome per il set di dati. Fai clic sul segno + per continuare.
Nella schermata Seleziona i file da importare, scegli l'opzione
Seleziona un file CSV su Cloud Storage. Specifica l'URI Cloud Storage del file CSV. Per questa guida rapida, il file CSV si trova all'indirizzo:gs://${PROJECT_ID}-vcm/csv/all_data.csv
Sostituisci
PROJECT_ID
con l'ID progetto specifico.Fai clic su Continua per avviare l'importazione dell'immagine. Il processo di importazione richiede pochi minuti. Al termine, si apre la pagina successiva, che contiene i dettagli su tutte le immagini identificate per il tuo set di dati, sia etichettate che non etichettate.
Addestra il tuo modello AutoML Vision ospitato su cloud
Dopo aver creato ed elaborato il set di dati, seleziona la scheda Addestra per avviare l'addestramento del modello.
Seleziona Inizia addestramento per continuare. Si aprirà la finestra Addestra nuovo modello con le opzioni di addestramento.
Nella sezione Definisci il modello della finestra di addestramento del nuovo modello, modifica il nome del modello (facoltativo) e seleziona l'opzione per il modello
Ospitato nel cloud. Seleziona Continua per passare alla sezione successiva.Nella sezione Imposta un budget per l'ora nodo, accetta il budget nodo suggerito (32 ore nodo).
Seleziona "Inizia addestramento" per iniziare l'addestramento del modello.
L'operazione richiede circa un'ora L'addestramento potrebbe interrompersi prima dell'ora nodo selezionata. Il servizio ti invierà un'email al termine dell'addestramento o in caso di errori.
Esegui il deployment del modello di classificazione AutoML Vision
Dopo che il modello è stato addestrato correttamente, puoi utilizzarlo per etichettare le immagini utilizzando il modello personalizzato. Seleziona la scheda Testa e utilizza.
Se non hai attivato il deployment automatico, ti verrà chiesto di eseguire il deployment del modello prima di poter fare previsioni.
Etichetta un'immagine utilizzando il tuo modello AutoML Vision
Fai clic sulla scheda Previsione per istruzioni sull'invio di un'immagine al modello per ottenere le etichette dei contenuti delle immagini. Puoi anche consultare gli argomenti Esecuzione di una previsione online o Esecuzione di previsioni batch per alcuni esempi.
Esegui la pulizia
Per evitare che al tuo account Google Cloud vengano addebitati costi relativi alle risorse utilizzate in questa pagina, elimina il progetto Google Cloud con le risorse.
Se non hai più bisogno di un modello o set di dati personalizzato, puoi eliminarli.
Per evitare addebiti inutili di Google Cloud Platform, utilizza la console di Google Cloud per eliminare il progetto se non ti serve.
Annulla il deployment del modello
Il modello prevede addebiti durante il deployment.
- Seleziona la scheda Testa e utilizza subito sotto la barra del titolo.
- Seleziona Rimuovi deployment dal banner sotto il nome del modello per aprire la finestra dell'opzione di annullamento del deployment.
- Seleziona Rimuovi deployment per annullare il deployment del modello.
- Riceverai un'email al completamento dell'annullamento del deployment del modello.
Elimina il progetto (facoltativo)
Per evitare addebiti inutili di Google Cloud Platform, utilizza la console Google Cloud per eliminare il progetto se non ti serve.
Passaggi successivi
- Scopri di più sul machine learning (ML) nella Guida per nuovi utenti.
- Per saperne di più sull'equità del machine learning, consulta la guida al machine learning inclusivo: AutoML.
- Addestra un modello AutoML Vision Edge esportabile utilizzando la guida rapida dei modelli di dispositivi Edge.
- Inizia a utilizzare l'API AutoML Vision nella lingua che preferisci utilizzando una libreria client dell'API AutoML Vision.
- Utilizza le guide illustrative per saperne di più sulla creazione e sulla gestione di risorse specifiche (come set di dati e modelli) o su come ottenere annotazioni per una singola immagine o un gruppo di immagini.
- Segui uno dei tutorial.