Rotular imagens usando o AutoML Vision

Rotular imagens usando o AutoML Vision

Este guia de início rápido aborda os seguintes processos:

• Como copiar um conjunto de imagens para o Cloud Storage.
• Como criar um CSV que lista imagens e os rótulos delas.
• Como usar o AutoML Vision para criar um conjunto de dados e treinar e implantar seu modelo.
• Como classificar uma imagem usando um modelo treinado com rótulos personalizados.

Antes de começar

Requisito de região: atualmente, os recursos do projeto precisam estar na região us-central1 para usar esta API.

Configurar o projeto

1. Faça login na sua conta do Google Cloud. Se você começou a usar o Google Cloud agora, crie uma conta para avaliar o desempenho de nossos produtos em situações reais. Clientes novos também recebem US$ 300 em créditos para executar, testar e implantar cargas de trabalho.
2. Instale a CLI do Google Cloud.

3. Para inicializar a CLI gcloud, execute o seguinte comando:

   gcloud init

4. Crie ou selecione um projeto do Google Cloud.

   Observação: se você não pretende manter os recursos criados neste procedimento, crie um projeto novo em vez de selecionar um que já existe. Depois de concluir essas etapas, é possível excluir o projeto. Para fazer isso, basta remover todos os recursos associados a ele.

   • Crie um projeto do Google Cloud:

     gcloud projects create PROJECT_ID

     Substitua PROJECT_ID por um nome para o projeto do Google Cloud que você está criando.

   • Selecione o projeto do Google Cloud que você criou:

     gcloud config set project PROJECT_ID

     Substitua PROJECT_ID pelo nome do projeto do Google Cloud.

5. Verifique se a cobrança está ativada para o seu projeto do Google Cloud.

6. Ative as APIs AutoML and Cloud Storage:

   gcloud services enable storage-component.googleapis.com automl.googleapis.com storage-api.googleapis.com

7. Instale a CLI do Google Cloud.

8. Para inicializar a CLI gcloud, execute o seguinte comando:

   gcloud init

9. Crie ou selecione um projeto do Google Cloud.

   Observação: se você não pretende manter os recursos criados neste procedimento, crie um projeto novo em vez de selecionar um que já existe. Depois de concluir essas etapas, é possível excluir o projeto. Para fazer isso, basta remover todos os recursos associados a ele.

   • Crie um projeto do Google Cloud:

     gcloud projects create PROJECT_ID

     Substitua PROJECT_ID por um nome para o projeto do Google Cloud que você está criando.

   • Selecione o projeto do Google Cloud que você criou:

     gcloud config set project PROJECT_ID

     Substitua PROJECT_ID pelo nome do projeto do Google Cloud.

10. Verifique se a cobrança está ativada para o seu projeto do Google Cloud.

11. Ative as APIs AutoML and Cloud Storage:

    gcloud services enable storage-component.googleapis.com automl.googleapis.com storage-api.googleapis.com

12. Defina a variável de ambiente PROJECT_ID como seu ID do projeto.

    export PROJECT_ID=PROJECT_ID

    As chamadas de API AutoML e os nomes dos recursos incluem seu código do projeto. A variável de ambiente PROJECT_ID é uma maneira conveniente de especificar o ID.

Criar um bucket do Cloud Storage

Use o Cloud Shell, uma linha de comando do Linux baseada em navegadores conectados ao seu projeto do console do Google Cloud, para criar seu bucket do Cloud Storage:

1. Abra o Cloud Shell.

2. Criar um bucket do Cloud Storage. O nome do bucket precisa estar no formato: project-id-vcm.

   O comando a seguir cria um bucket de armazenamento denominado project-id-vcm na região us-central1. Para ver uma lista completa das regiões disponíveis, consulte a página Locais de buckets.

   gsutil mb -p ${PROJECT_ID} -c regional -l us-central1 gs://${PROJECT_ID}-vcm/

3. Defina a variável BUCKET.

   export BUCKET=${PROJECT_ID}-vcm

Copiar imagens de amostra para seu bucket

Em seguida, copie o conjunto de dados de flores usado nesta postagem do blog do Tensorflow. As imagens são armazenadas em um bucket público do Cloud Storage para que você possa copiá-las diretamente de lá para seu próprio bucket.

1. Na sua sessão do Cloud Shell, insira:

   gsutil -m cp -R gs://cloud-samples-data/ai-platform/flowers/ gs://${BUCKET}/img/
   

   A cópia do arquivo leva cerca de 20 minutos para ser concluída.

Criar o arquivo CSV de classificação de imagem

O conjunto de dados de amostra contém um arquivo CSV com todos os locais de imagem e os rótulos para cada imagem. Você usará isso para criar seu próprio arquivo CSV:

1. Atualize o arquivo .csv para apontar para os arquivos em seu próprio bucket:

   gsutil cat gs://${BUCKET}/img/flowers/all_data.csv | sed "s:cloud-ml-data/img/flower_photos/:${BUCKET}/img/flowers/:" > all_data.csv
   

2. Copie o arquivo CSV para seu bucket:

   gsutil cp all_data.csv gs://${BUCKET}/csv/
   

Criar o conjunto de dados de classificação de imagens

Acesse a IU do AutoML Vision para iniciar o processo de criação do conjunto de dados e treinar seu modelo.

Quando solicitado, selecione o projeto usado para o bucket do Cloud Storage.

1. Na página do AutoML Vision, clique em Novo conjunto de dados:

   

2. Especifique um nome para ele. Clique no sinal de adição ("+") para continuar.

   

3. Na tela Selecionar arquivos para importar, escolha a opção Selecionar um arquivo CSV no Cloud Storage. Especifique o URI do Cloud Storage do seu arquivo CSV. Para este guia de início rápido, o arquivo CSV está em:

   • gs://${PROJECT_ID}-vcm/csv/all_data.csv

   Substitua PROJECT_ID pelo ID do projeto específico.

   

4. Clique em Continuar para iniciar a importação da imagem. O processo de importação leva alguns minutos. Quando estiver concluído, você será direcionado para a próxima página, que contém detalhes sobre todas as imagens identificadas para seu conjunto de dados, tanto imagens rotuladas como não rotuladas.

   Ao usar o conjunto de dados de flores indicado, você verá vários alertas. Isso é intencional, para mostrar mensagens de erro que podem ser encontradas com seus próprios dados.

   

Treinar o modelo do AutoML Vision hospedado na nuvem

1. Depois que o conjunto de dados tiver sido criado e processado, selecione a guia Treinar para iniciar o treinamento do modelo.

   

2. Selecione Iniciar treinamento para continuar. Isso abrirá uma janela Treinar novo modelo com opções de treinamento.

3. Na seção Definir seu modelo da nova janela de treinamento do modelo, altere o nome do modelo (opcional) e selecione a opção de opção Hospedado na nuvem. Selecione Continuar para ir à seção a seguir.

   

4. Na seção Definir um orçamento por hora de uso do nó, aceite o orçamento de nó sugerido (32 hora de uso do nó).

   Orçamento de horas de uso do nó: o tempo de treinamento recomendado é calculado com base no seguinte:

   • Curvas de aprendizagem do modelo
   • Tamanho do conjunto de dados de treinamento

   Se o treinamento de modelo converge antes do tempo recomendado ou personalizado, o sistema permite a parada antecipada. Isso significa que será feita a cobrança somente pelo tempo necessário para treinar o modelo. Incentivamos o uso da quantidade de horas recomendada para evitar a utilização de mais recursos do que o necessário e reduzir os custos de cobrança.

   

5. Selecione "Iniciar treinamento" para começar o treinamento do modelo.

   O treinamento é iniciado para seu modelo. Esse processo leva cerca de uma hora. O treinamento pode ser interrompido antes da hora de uso do nó selecionada. O serviço enviará um e-mail para você assim que o treinamento for concluído ou se ocorrer algum erro.

Observação: após a conclusão do treinamento, é possível consultar as métricas de avaliação, além de testar e usar o modelo. Selecione a guia Avaliar para ver mais detalhes sobre as pontuações F1, Precisão e Recall. Selecione um rótulo individual em Filtrar rótulos para mais detalhes sobre verdadeiros positivos, falsos negativos e falsos positivos.

Implantar o modelo de classificação do AutoML Vision

Depois que seu modelo for treinado, será possível usá-lo para rotular imagens com seu modelo personalizado. Selecione a guia Testar e usar.

Se você não escolheu a implantação automática, será necessário implantar o modelo antes de fazer as previsões.

Implantação manual do modelo

O AutoML Vision exige que você implante o modelo treinado antes de enviar solicitações de previsão a ele.

1. Na guia Testar e usar, implante o modelo manualmente. Basta selecionar a opção Implantar modelo no banner abaixo do nome do modelo.

   Selecionar Implantar modelo abre a janela de opções de implantação.

2. Na janela de opções de implantação do modelo, é possível selecionar o número de nós a serem implantados e visualizar as consultas por segundo (QPS, na sigla em inglês) de previsão disponíveis.
3. Selecione Implantar para iniciar a implantação do modelo.
4. Você receberá um e-mail quando a implantação do modelo for concluída.

Observação: também é possível usar a IU para atualizar a contagem de nós de um modelo implantado.

Rotular uma imagem usando o modelo do AutoML Vision

Clique na guia Prever para ver instruções sobre o envio de uma imagem ao modelo para conseguir rótulos de conteúdo de imagem. Também é possível consultar Como fazer uma previsão on-line ou Como fazer previsões em lote para mais exemplos.

Muitas vezes, a previsão em lote oferece um custo por inferência menor e uma capacidade maior em relação à previsão síncrona (on-line). No entanto, a previsão em lote produz uma operação de longa duração (LRO, na sigla em inglês), o que significa que os resultados só estarão disponíveis após a conclusão da LRO.

Limpar

Para evitar cobranças na sua conta do Google Cloud pelos recursos usados nesta página, exclua o projeto do Google Cloud com esses recursos.

É possível excluir seu modelo personalizado ou conjunto de dados se você não precisa mais deles.

Para evitar cobranças desnecessárias do Google Cloud Platform, use o Console do GCP para excluir o projeto se ele não for necessário.

Remover a implantação do modelo

O modelo gera cobranças enquanto está implantado.

1. Selecione a guia Testar e usar logo abaixo da barra de título.
2. Selecione Remover implantação no banner abaixo do nome do modelo para abrir a janela relacionada.

   

3. Selecione Remover implantação para remover a implantação do modelo.

   

4. Você receberá um e-mail quando a remoção da implantação do modelo for concluída.

Excluir o projeto (opcional)

Para evitar cobranças desnecessárias do Google Cloud Platform, use o console do Google Cloud para excluir o projeto se ele não for mais necessário.

A seguir

• Saiba mais sobre machine learning (ML) no Guia para iniciantes.
• Saiba mais sobre a equidade do ML no Guia de ML inclusivo - AutoML.
• Treine um modelo exportável do AutoML Vision Edge usando o guia de início rápido do modelo de dispositivo Edge.
• Comece a usar a API AutoML Vision na linguagem que preferir usando uma biblioteca de cliente da API AutoML Vision.
• Use os guias de instruções para saber mais sobre a criação e o gerenciamento de recursos específicos (como conjuntos de dados e modelos) ou como receber anotações para uma imagem individual ou um lote de imagens.
• Siga um dos tutoriais.