クイックスタート

は、

このクイックスタートでは、以下のプロセスを順を追って説明します。

  • Google Cloud Storage に一連の画像をコピーする。
  • 画像とそのラベルをリストした CSV を作成する。
  • AutoML Vision を使用してデータセットを作成し、モデルをトレーニングしてデプロイする。

始める前に

  1. Google アカウントにログインします。

    Google アカウントをまだお持ちでない場合は、新しいアカウントを登録します。

  2. GCP Console で [リソースの管理] ページに移動し、既存のプロジェクトを選択するか、新しいプロジェクトを作成します。

    [リソースの管理] ページに移動

  3. プロジェクトに対して課金が有効になっていることを確認します。

    課金を有効にする方法について

  4. Cloud AutoML と Storage API を有効にします。

    APIを有効にする

Cloud Storage バケットの作成

GCP Console プロジェクトに接続されたブラウザベースの Linux コマンドラインである Cloud Shell を使用して、Cloud Storage バケットを作成します。

  1. Cloud Shell を開きます

  2. 次の情報を入力します。

    PROJECT=$(gcloud config get-value project) && BUCKET="${PROJECT}-vcm"
    

    バケット名は上記のようにする必要があります。他のバケット名はサポートされていません。

  3. バケットを作成します。

    gsutil mb -p ${PROJECT} -c regional -l us-central1 gs://${BUCKET}
    

AutoML Vision サービス アカウントの権限の追加

AutoML Vision サービス アカウントから各自の Google Cloud プロジェクトのリソースにアクセスできるようにします。

  1. Cloud Shell セッションで、次のように入力します。

    PROJECT=$(gcloud config get-value project)
    gcloud projects add-iam-policy-binding $PROJECT \
       --member="serviceAccount:custom-vision@appspot.gserviceaccount.com" \
       --role="roles/ml.admin"
    gcloud projects add-iam-policy-binding $PROJECT \
       --member="serviceAccount:custom-vision@appspot.gserviceaccount.com" \
       --role="roles/storage.admin"
    

バケットへのサンプル画像のコピー

次に、この Tensorflow のブログ記事で使用されている花のデータセットをコピーします。画像は公開 Cloud Storage バケットに保存されるため、そこから直接自分のバケットにコピーできます。

  1. Cloud Shell セッションで、次のように入力します。

    gsutil -m cp -R gs://cloud-ml-data/img/flower_photos/ gs://${BUCKET}/img/
    

    ファイルのコピーには約 20 分かかります。

CSV ファイルの作成

サンプル データセットには、すべての画像の場所と各画像のラベルを含む CSV ファイルが含まれています。これを使用して独自の CSV ファイルを作成します。

  1. CSV ファイルを更新して、自分のバケット内のファイルを指すようにします。

    gsutil cat gs://${BUCKET}/img/flower_photos/all_data.csv | sed "s:cloud-ml-data:${BUCKET}:" > all_data.csv
    
  2. バケットに CSV ファイルをコピーします。

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

データセットの作成

データセットの作成とモデルのトレーニングを開始するには、AutoML Vision UI にアクセスします。

プロンプトが表示されたら、Cloud Storage バケットに使用したプロジェクトを必ず選択してください。

  1. AutoML Vision ページから、[NEW DATASET] をクリックします。

  2. このデータセットの名前を指定します。[+] 記号をクリックして続行します。

  3. CSV ファイルの Cloud Storage URI を指定します。このクイックスタートでは、CSV ファイルがある場所は gs://your-project-123-vcm/csv/all_data.csv です。your-project-123 を特定のプロジェクト ID に置き換えてください。

    • 複数のラベルでラベル付けされた画像がある場合は、[Enable multi-label classification] をオンにしてください。
  4. [CREATE DATASET] をクリックします。インポート処理には数分かかります。完了すると、次のページが表示され、データセットに対して識別されたすべての画像(ラベル付きの画像とラベルなし画像の両方)の詳細がそこに記載されます。[Filter labels] でラベルを選択すると、ラベルを基準に画像をフィルタリングできます。花のデータセットを使用している場合は、画像の繰り返しや(マルチラベルが無効な場合に)複数のラベルが付いた画像を通知する警告アラートが表示されます。

    • CSV ファイルをインポートした後、画像を追加したり、新しい画像と既存の画像のラベルを更新したりすることができます。

モデルのトレーニング

データセットが作成されて処理されたら、[Train] タブをクリックしてモデルのトレーニングを開始します。

[START TRAINING] をクリックして続行します。

モデルのトレーニングが開始されます。このデータセットでは、モデルのトレーニングに約 10 分かかります。トレーニングが完了した後、またはエラーが発生した場合は、メールが届きます。

トレーニングが完了すると、モデルが自動的にデプロイされます。

[Evaluate] タブをクリックすると、F1、精度、再現率のスコアの詳細を取得できます。[Filter labels] の各ラベルをクリックすると、真陽性、偽陰性、偽陽性の詳細が取得されます。

予測の実施

予測のためにモデルに画像を送信する手順については、[Predict] タブをクリックしてください。例については、画像へのアノテーション付けもご覧ください。

このページは役立ちましたか?評価をお願いいたします。

フィードバックを送信...

ご不明な点がありましたら、Google のサポートページをご覧ください。