Memberikan label pada gambar dengan menggunakan AutoML Vision
Panduan memulai ini akan memandu Anda melalui proses:
- Menyalin kumpulan gambar ke dalam Cloud Storage.
- Membuat CSV yang mencantumkan gambar dan label klasifikasinya.
- Menggunakan AutoML Vision untuk membuat set data Anda, serta melatih dan men-deploy model Anda.
- Mengklasifikasikan gambar menggunakan model Anda yang dilatih dengan label khusus.
Sebelum memulai
Menyiapkan project
- Login ke akun Google Cloud Anda. Jika Anda baru menggunakan Google Cloud, buat akun untuk mengevaluasi performa produk kami dalam skenario dunia nyata. Pelanggan baru juga mendapatkan kredit gratis senilai $300 untuk menjalankan, menguji, dan men-deploy workload.
- Menginstal Google Cloud CLI.
-
Untuk initialize gcloud CLI, jalankan perintah berikut:
gcloud init
-
Buat atau pilih project Google Cloud.
-
Membuat project Google Cloud:
gcloud projects create PROJECT_ID
Ganti
PROJECT_ID
dengan nama untuk project Google Cloud yang Anda buat. -
Pilih project Google Cloud yang Anda buat:
gcloud config set project PROJECT_ID
Ganti
PROJECT_ID
dengan nama project Google Cloud Anda.
-
-
Pastikan penagihan telah diaktifkan untuk project Google Cloud Anda.
-
Enable the AutoML and Cloud Storage APIs:
gcloud services enable storage-component.googleapis.com
automl.googleapis.com storage-api.googleapis.com - Menginstal Google Cloud CLI.
-
Untuk initialize gcloud CLI, jalankan perintah berikut:
gcloud init
-
Buat atau pilih project Google Cloud.
-
Membuat project Google Cloud:
gcloud projects create PROJECT_ID
Ganti
PROJECT_ID
dengan nama untuk project Google Cloud yang Anda buat. -
Pilih project Google Cloud yang Anda buat:
gcloud config set project PROJECT_ID
Ganti
PROJECT_ID
dengan nama project Google Cloud Anda.
-
-
Pastikan penagihan telah diaktifkan untuk project Google Cloud Anda.
-
Enable the AutoML and Cloud Storage APIs:
gcloud services enable storage-component.googleapis.com
automl.googleapis.com storage-api.googleapis.com - Tetapkan variabel lingkungan
PROJECT_ID
ke Project ID Anda.export PROJECT_ID=PROJECT_ID
Panggilan dan nama resource AutoML API akan menyertakan Project ID Anda di dalamnya. Variabel lingkunganPROJECT_ID
menyediakan cara yang mudah untuk menentukan ID.
Membuat bucket Cloud Storage
Gunakan Cloud Shell, command line Linux berbasis browser yang terhubung ke project Konsol Google Cloud Anda, untuk membuat bucket Cloud Storage Anda:
Membuat bucket Cloud Storage. Nama bucket harus dalam format:
project-id-vcm
.Perintah berikut akan membuat bucket penyimpanan di region
us-central1
bernamaproject-id-vcm
. Untuk mengetahui daftar lengkap region yang tersedia, lihat Halaman Lokasi Bucket.gsutil mb -p ${PROJECT_ID} -c regional -l us-central1 gs://${PROJECT_ID}-vcm/
Tetapkan variabel BUCKET.
export BUCKET=${PROJECT_ID}-vcm
Menyalin gambar sampel ke dalam bucket Anda
Selanjutnya, salin set data bunga yang digunakan di dalam postingan blog Tensorflow ini. Image ini disimpan di bucket Cloud Storage publik, sehingga Anda dapat menyalinnya langsung dari sana ke bucket Anda sendiri.
Dalam sesi Cloud Shell Anda, masukkan:
gsutil -m cp -R gs://cloud-samples-data/ai-platform/flowers/ gs://${BUCKET}/img/
Penyalinan file akan memerlukan waktu sekitar 20 menit hingga selesai.
Membuat file CSV klasifikasi gambar
Set data contoh berisi file CSV beserta semua lokasi gambar dan label untuk setiap gambar. Anda akan menggunakannya untuk membuat file CSV Anda sendiri:
Update file CSV agar mengarah ke file dalam bucket milik Anda:
gsutil cat gs://${BUCKET}/img/flowers/all_data.csv | sed "s:cloud-ml-data/img/flower_photos/:${BUCKET}/img/flowers/:" > all_data.csv
Salin file CSV ke dalam bucket Anda:
gsutil cp all_data.csv gs://${BUCKET}/csv/
Membuat set data klasifikasi gambar Anda
Buka UI AutoML Vision untuk memulai proses pembuatan set data Anda dan melatih model Anda.
Saat diminta, pastikan Anda memilih project yang Anda gunakan untuk bucket Cloud Storage Anda.
Dari halaman AutoML Vision, klik Set Data Baru:
Tentukan nama untuk set data ini. Klik tanda + untuk melanjutkan.
Di layar Pilih file untuk diimpor, pilih opsi pilihan
Pilih file CSV di Cloud Storage. Tentukan Cloud Storage URI file CSV Anda. Untuk panduan memulai ini, file CSV ada di:gs://${PROJECT_ID}-vcm/csv/all_data.csv
Ganti
PROJECT_ID
dengan project ID spesifik Anda.Klik Lanjutkan untuk memulai impor gambar. Proses impor memerlukan waktu beberapa menit. Setelah selesai, Anda akan diarahkan ke halaman berikutnya yang berisi detail tentang semua gambar yang diidentifikasi untuk set data Anda, baik gambar berlabel maupun tidak berlabel.
Melatih model AutoML Vision yang dihosting Cloud Anda
Setelah set data Anda dibuat dan diproses, pilih tab Latih untuk memulai pelatihan model.
Pilih Mulai pelatihan untuk melanjutkan. Tindakan ini akan membuka jendela Latih model baru dengan opsi pelatihan.
Di bagian Tentukan model Anda dari jendela pelatihan model baru, ubah nama model (opsional) dan pilih opsi pilihan model yang dihosting Cloud
. Pilih Lanjutkan untuk berpindah ke bagian berikutnya.Di bagian Tetapkan anggaran jam kerja node, terima anggaran node yang disarankan (32 jam kerja node).
Pilih "Mulai pelatihan" untuk memulai pelatihan model.
Pelatihan dimulai untuk model Anda, dan akan memakan waktu sekitar satu jam. Pelatihan mungkin berhenti lebih awal dari jam kerja node yang Anda pilih. Layanan akan mengirimkan email kepada Anda setelah pelatihan selesai, atau jika terjadi error.
Men-deploy model klasifikasi AutoML Vision Anda
Setelah model Anda berhasil dilatih, Anda dapat menggunakannya untuk memberi label pada gambar menggunakan model kustom Anda. Pilih tab Uji dan Gunakan.
Jika Anda tidak memilih ikut serta dalam deployment otomatis, Anda akan diminta untuk men-deploy model Anda sebelum Anda dapat membuat prediksi.
Memberikan label pada gambar menggunakan model AutoML Vision Anda
Klik tab Prediksi untuk mendapatkan petunjuk tentang cara mengirim gambar ke model Anda guna mendapatkan label konten gambar. Anda juga dapat melihat Membuat prediksi online atau Membuat prediksi batch untuk mengetahui contohnya.
Pembersihan
Agar tidak menimbulkan biaya pada akun Google Cloud Anda untuk resource yang digunakan pada halaman ini, hapus project Google Cloud yang berisi resource tersebut.
Jika tidak lagi memerlukan model atau set data kustom Anda, Anda dapat menghapusnya.
Untuk menghindari tagihan Google Cloud Platform yang tidak perlu, gunakan Konsol GCP untuk menghapus project Anda jika tidak lagi diperlukan.
Membatalkan deployment model Anda
Model Anda akan dikenai biaya saat di-deploy.
- Pilih tab Uji & gunakan tepat di bawah batang judul.
- Pilih Hapus deployment dari banner di bawah nama model Anda untuk membuka jendela opsi batalkan deployment.
- Pilih Hapus deployment untuk membatalkan deployment model.
- Anda akan menerima email saat pembatalan deployment model telah selesai.
Menghapus project Anda (opsional)
Untuk menghindari tagihan Google Cloud Platform yang tidak perlu, gunakan konsol Google Cloud untuk menghapus project Anda jika tidak lagi diperlukan.
Langkah selanjutnya
- Pelajari machine learning (ML) lebih lanjut di Panduan pemula.
- Pelajari keadilan ML di Panduan ML inklusif - AutoML.
- Latih model AutoML Vision Edge yang dapat diekspor menggunakan panduan memulai model perangkat Edge.
- Mulai dengan AutoML Vision API dalam bahasa pilihan Anda menggunakan Library Klien AutoML Vision API.
- Gunakan Panduan cara kerja untuk mempelajari lebih lanjut mengenai pembuatan dan pengelolaan resource tertentu (seperti set data dan model), atau cara mendapatkan anotasi untuk setiap gambar atau batch gambar.
- Pelajari salah satu tutorial.