Entrena un modelo de AutoML Edge con la consola de Google Cloud

Crea un modelo de AutoML Edge (exportable) directamente en la IU para ciertos tipos de datos o mediante el inicio de un trabajo de canalización de entrenamiento de manera programática. Creas este modelo mediante un conjunto de datos preparado. Crea este conjunto de datos en la consola de Google Cloud o mediante la API. La API de Vertex AI usa los elementos del conjunto de datos para entrenar el modelo, probarlo y evaluar su rendimiento. Revisa los resultados de la evaluación, ajusta el conjunto de datos de entrenamiento según sea necesario y crea un trabajo de entrenamiento nuevo con el conjunto de datos mejorado.

Los trabajos de entrenamiento pueden tardar varias horas en completarse. En la página de Vertex AI de la consola de Google Cloud, se muestra el estado del entrenamiento.

Entrena un modelo de AutoML Edge

1. En la sección Vertex AI de la consola de Google Cloud, ve a la página Conjuntos de datos.

   Ir a la página Conjuntos de datos

2. Haz clic en el nombre del conjunto de datos que deseas usar para entrenar tu modelo a fin de abrir su página de detalles.

3. Si tu tipo de datos usa conjuntos de anotaciones, selecciona el conjunto de anotaciones que deseas usar para este modelo.

4. Haz clic en Entrenar modelo nuevo.

5. En la página Entrena un modelo nuevo, completa los siguientes pasos para tu tipo de datos:

   Imagen

   1. Selecciona radio_button_checkedAutoML Edge para el método de entrenamiento y haz clic en Continuar.

   2. Ingresa el nombre visible de tu modelo nuevo.

   3. Si deseas configurar el forma en que se dividen los datos de entrenamiento, expande Opciones avanzadas y selecciona una opción de división de datos. Obtén más información.

   4. Haga clic en Continuar.

   5. Solo modelos de clasificación (opcional): En la sección Explicabilidad, selecciona check_boxGenerar mapas de bits explicables. para cada imagen en el conjunto de prueba a fin de habilitar Vertex Explainable AI. Elige la configuración de visualización y haz clic en Continuar.

      Esta función tiene costos asociados. Consulta Precios para obtener más información.

   6. Selecciona el objetivo de optimización que mejor se adapte a tus necesidades. Puedes optimizar la exactitud, la latencia o ambas.

   7. Haga clic en Continuar.

   8. En la ventana Procesamiento y precio, ingresa la cantidad máxima de horas por la que se entrenará tu modelo.

      Esta configuración te ayuda a limitar los costos de entrenamiento. El tiempo real transcurrido puede ser más largo que este valor, ya que hay otras operaciones involucradas en la creación de un modelo nuevo.

   9. Si deseas detener el entrenamiento cuando el modelo ya no mejore, selecciona Habilitar interrupción anticipada.

   Video

   1. Ingresa el nombre visible de tu modelo nuevo.

   2. Haga clic en Continuar.

   3. Selecciona radio_button_checkedAutoML Edge para el método de entrenamiento y haz clic en Continuar.

   4. Selecciona el objetivo de optimización que mejor se adapte a tus necesidades. Puedes optimizar la exactitud, la latencia o ambas.

   5. Haga clic en Continuar.

      Varios minutos después de que comienza el entrenamiento, puedes verificar la estimación de la hora de procesamiento de nodo del entrenamiento con la información de las propiedades del modelo. Si cancelas el entrenamiento, no se aplicarán cargos por el producto actual.

6. Haga clic en Comenzar entrenamiento.

   El entrenamiento de modelos puede llevar muchas horas, según el presupuesto de entrenamiento (solo imagen) y el tamaño y la complejidad de tus datos. Puedes cerrar esta pestaña y volver a ella más tarde. Recibirás un correo electrónico cuando tu modelo haya finalizado el entrenamiento.

¿Qué sigue?

• Evalúa los modelos de AutoML.
• Exporta modelos de AutoML Edge.
• Usa Vertex Explainable AI para comprender el comportamiento del modelo.