Guia de início rápido

Este guia de início rápido aborda os seguintes processos:

  • Como copiar um conjunto de imagens para o Google Cloud Storage.
  • Como criar um CSV listando imagens e os rótulos delas.
  • Como usar o AutoML Vision para criar um conjunto de dados e treinar e implantar seu modelo.

Antes de começar

Configurar o projeto

  1. Faça login na sua Conta do Google.

    Se você ainda não tiver uma, inscreva-se.

  2. No Console do GCP, acesse a página Gerenciar recursos e selecione ou crie um projeto.

    Acessar a página Gerenciar recursos

  3. Verifique se o faturamento foi ativado no projeto do Google Cloud Platform.

    Saiba como ativar o faturamento

  4. Ativar Cloud AutoML and Storage APIs.

    Ativar as APIs

  5. Instale a ferramenta de linha de comando gcloud.
  6. Siga as instruções para criar uma conta de serviço e fazer o download de um arquivo de chave para a conta.
  7. Defina a variável de ambiente GOOGLE_APPLICATION_CREDENTIALS para o caminho até o arquivo de chave da conta de serviço que você salvou quando criou essa conta.
    export GOOGLE_APPLICATION_CREDENTIALS=key-file
  8. Defina a variável de ambiente PROJECT_ID como seu ID do projeto.
    export PROJECT_ID=your-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 código.
  9. Adicione você e sua conta de serviço ao papel do IAM de editor do AutoML.
    1. Substitua your-userid@your-domain pela sua conta de usuário.
    2. Substitua service-account-name pelo nome da sua nova conta de serviço. Por exemplo, service-account1@myproject.iam.gserviceaccount.com.
    gcloud auth login
    gcloud projects add-iam-policy-binding $PROJECT_ID \
       --member="user:your-userid@your-domain" \
       --role="roles/automl.admin"
    gcloud projects add-iam-policy-binding $PROJECT_ID \
       --member="serviceAccount:service-account-name" \
       --role="roles/automl.editor"
    
  10. Permita que a conta de serviço (custom-vision@appspot.gserviceaccount.com) do AutoML acesse os recursos do seu projeto do Google Cloud:
    gcloud projects add-iam-policy-binding $PROJECT_ID \
      --member="serviceAccount:custom-vision@appspot.gserviceaccount.com" \
      --role="roles/ml.admin"
    gcloud projects add-iam-policy-binding $PROJECT_ID \
      --member="serviceAccount:custom-vision@appspot.gserviceaccount.com" \
      --role="roles/storage.admin"
    gcloud projects add-iam-policy-binding $PROJECT_ID \
      --member="serviceAccount:custom-vision@appspot.gserviceaccount.com" \
      --role="roles/serviceusage.serviceUsageAdmin"

Criar um intervalo do Cloud Storage

Use o Cloud Shell, uma linha de comando do Linux com base em navegador conectada ao seu projeto do Console do GCP, para criar seu intervalo do Cloud Storage:

  1. Abra o Cloud Shell.

  2. Crie um intervalo do Google Cloud Storage. É preciso que o nome do intervalo esteja no formato: project-id-vcm. Com o comando a seguir, é criado um intervalo de armazenamento na região us-central1, denominado project-id-vcm. Para ver uma lista completa das regiões disponíveis, consulte a página Locais de intervalos.

    gsutil mb -p project-id -c regional -l us-central1 gs://project-id-vcm/

    Estrutura de arquivos recomendada para os arquivos do Cloud Storage:

    gs://project-id-vcm/dataset-name/documents/document-name.txt

Copiar imagens de amostra para seu intervalo

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

  1. Na sua sessão do Cloud Shell, insira:

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

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

Criar o arquivo CSV

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 intervalo:

    gsutil cat gs://${BUCKET}/img/flower_photos/all_data.csv | sed "s:cloud-ml-data:${BUCKET}:" > all_data.csv
    
  2. Copie o arquivo CSV para seu intervalo:

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

Criar seu conjunto de dados

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 intervalo do Cloud Storage.

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

    Novo botão do conjunto de dados no console

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

    Novo campo de nome do conjunto de dados

  3. Especifique o URI do Cloud Storage do seu arquivo CSV. Para este guia de início rápido, o arquivo CSV está em gs://your-project-123-vcm/csv/all_data.csv. Substitua your-project-123 pelo código do seu projeto.

    • Marque Ativar classificação de vários rótulos se tiver imagens marcadas com mais de um rótulo.
  4. Clique em CRIAR CONJUNTO DE DADOS. 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. Você pode filtrar imagens por rótulo selecionando uma em Filtrar rótulos. Se você estiver usando o conjunto de dados de flores, verá um alerta sobre imagens repetidas ou com vários rótulos (se o rótulo múltiplo não estiver ativado).

    Filtrar por exemplo de rótulo

    • Você pode adicionar mais imagens e atualizar rótulos para imagens novas e existentes depois de importar um arquivo CSV.

Treinar o modelo

Depois que seu conjunto de dados tiver sido criado e processado, clique na guia Treinar para iniciar o treinamento do modelo.

Clique em Iniciar treinamento para continuar.

O treinamento é iniciado para o modelo. O treinamento do seu modelo pode levar cerca de 10 minutos para esse conjunto de dados. O serviço enviará um e-mail para você assim que o treinamento for concluído ou se ocorrer algum erro.

Quando o treinamento estiver completo, o modelo será implantado automaticamente.

Você pode clicar na guia Avaliar para ver mais detalhes sobre as pontuações de F1, Precisão e Recall. Clique em cada rótulo em Filtrar rótulos para ver detalhes sobre verdadeiros positivos, falsos negativos e falsos positivos.

Fazer uma predição

Clique na guia Prever para ver instruções sobre o envio de uma imagem ao seu modelo para uma predição. Para ver mais exemplos, consulte Como anotar imagens.

Esta página foi útil? Conte sua opinião sobre:

Enviar comentários sobre…

Cloud AutoML Vision
Precisa de ajuda? Acesse nossa página de suporte.