Melatih model AutoML Edge menggunakan konsol Google Cloud
Tetap teratur dengan koleksi
Simpan dan kategorikan konten berdasarkan preferensi Anda.
Anda membuat model AutoML Edge (dapat diekspor) secara langsung di UI untuk jenis data tertentu, atau dengan memulai tugas pipeline pelatihan secara terprogram. Anda membuat model ini menggunakan set data yang sudah disiapkan. Buat set data ini di Google Cloud konsol atau
menggunakan API. Vertex AI API menggunakan item dari set data untuk melatih model, mengujinya, dan mengevaluasi performa model. Tinjau hasil evaluasi, sesuaikan set data pelatihan sesuai kebutuhan, dan buat tugas pelatihan baru menggunakan set data yang ditingkatkan.
Tugas pelatihan dapat memerlukan waktu beberapa jam untuk diselesaikan. Halaman Vertex AI
konsol Google Cloud menampilkan status pelatihan.
Melatih model AutoML Edge
Di konsol Google Cloud , di bagian Vertex AI, buka
halaman Datasets.
Klik nama set data yang ingin Anda gunakan untuk melatih model agar dapat membuka halaman detailnya.
Jika jenis data Anda menggunakan kumpulan anotasi, pilih kumpulan anotasi yang ingin digunakan untuk model ini.
Klik Train new model.
Di halaman Train new model, selesaikan langkah-langkah berikut untuk jenis data Anda:
Gambar
Pilih radio_button_checkedAutoML Edge untuk metode pelatihan, lalu klik Continue.
Masukkan nama tampilan untuk model baru Anda.
Jika Anda ingin menetapkan pemisahan data pelatihan secara manual, luaskan Advanced options dan pilih opsi pemisahan data.
Pelajari lebih lanjut.
Klik Continue.
Khusus model Klasifikasi (opsional): Di bagian Explainability, pilih check_boxGenerate explainable bitmaps for each image in the test set guna mengaktifkan Vertex Explainable AI.
Pilih setelan visualisasi, lalu klik Continue.
Fitur ini memiliki biaya yang terkait dengannya. Lihat Harga untuk mengetahui informasi selengkapnya.
Pilih sasaran pengoptimalan yang paling sesuai dengan kebutuhan Anda. Anda dapat mengoptimalkan akurasi, latensi, atau keduanya.
Klik Continue.
Di jendela Compute and Pricing, masukkan jumlah jam maksimum yang Anda inginkan untuk melatih model Anda.
Setelan ini membantu Anda membatasi biaya pelatihan. Waktu berlalu sebenarnya dapat lebih lama dari nilai ini, karena ada operasi lain yang terlibat dalam pembuatan model baru.
Jika Anda ingin menghentikan pelatihan saat model tidak dapat ditingkatkan lagi, pilih Enable early stopping.
Video
Masukkan nama tampilan untuk model baru Anda.
Klik Continue.
Pilih radio_button_checkedAutoML Edge untuk metode pelatihan, lalu klik Continue.
Pilih sasaran pengoptimalan yang paling sesuai dengan kebutuhan Anda. Anda dapat mengoptimalkan akurasi, latensi, atau keduanya.
Klik Continue.
Beberapa menit setelah pelatihan dimulai, Anda dapat memeriksa estimasi jam kerja node pelatihan dari informasi properti model.
Jika Anda membatalkan pelatihan, produk saat ini tidak akan dikenai biaya.
Klik Start Training.
Pelatihan model dapat memerlukan waktu beberapa jam, bergantung pada anggaran pelatihan Anda (khusus gambar) serta ukuran dan kompleksitas data Anda. Anda dapat menutup tab ini dan kembali membukanya lagi di lain waktu. Anda akan menerima email saat model telah menyelesaikan pelatihan.
[[["Mudah dipahami","easyToUnderstand","thumb-up"],["Memecahkan masalah saya","solvedMyProblem","thumb-up"],["Lainnya","otherUp","thumb-up"]],[["Sulit dipahami","hardToUnderstand","thumb-down"],["Informasi atau kode contoh salah","incorrectInformationOrSampleCode","thumb-down"],["Informasi/contoh yang saya butuhkan tidak ada","missingTheInformationSamplesINeed","thumb-down"],["Masalah terjemahan","translationIssue","thumb-down"],["Lainnya","otherDown","thumb-down"]],["Terakhir diperbarui pada 2025-08-25 UTC."],[],[],null,["# Train an AutoML Edge model using the Google Cloud console\n\nYou create an AutoML Edge (exportable) model directly in the UI for certain\ndata types, or by starting a training pipeline job\n[programmatically](/vertex-ai/docs/training/automl-edge-api). You create this model using a prepared\ndataset. Create this dataset in the Google Cloud console or\nusing the [API](/vertex-ai/docs/training/automl-edge-api). Vertex AI API uses the\nitems from the dataset to train the model, test it, and evaluate\nmodel performance. Review the evaluations results, adjust the training dataset\nas needed, and create a new training job using the improved dataset.\n\nTraining jobs can take several hours to complete. The Vertex AI\npage of the Google Cloud console shows the status of training.\n\nTraining an AutoML Edge model\n-----------------------------\n\n1. In the Google Cloud console, in the Vertex AI section, go to\n the **Datasets** page.\n\n [Go to the Datasets page](https://console.cloud.google.com/vertex-ai/datasets)\n2. Click the name of the dataset you want to use to train your model to open\n its details page.\n\n3. If your data type uses annotation sets, select the annotation set you want\n to use for this model.\n\n4. Click **Train new model**.\n\n5. In the **Train new model** page, complete the\n following steps for your data type:\n\n ### Image\n\n 1.\n Select radio_button_checked**AutoML Edge**\n for the training method and click **Continue**.\n\n 2. Enter the display name for your new model.\n\n 3.\n If you want manually set how your training data is split, expand **Advanced\n options** and select a data split option.\n [Learn more](/vertex-ai/docs/general/ml-use).\n\n 4. Click **Continue**.\n\n 5.\n ***Classification** models only (optional)* : In the **Explainability**\n section, select check_box**Generate explainable\n bitmaps for each image in the test set** to enable\n [Vertex Explainable AI](/vertex-ai/docs/explainable-ai/overview).\n Choose [visualization settings](/vertex-ai/docs/explainable-ai/visualization-settings-automl-icn) and\n click **Continue**.\n\n This feature has costs associated with it. See [Pricing](/vertex-ai/pricing)\n for more information.\n\n \u003cbr /\u003e\n\n 6.\n Select the optimization goal that best suits your need. You\n can optimize for accuracy, latency, or both.\n\n 7. Click **Continue**.\n\n 8.\n In the **Compute and pricing** window, enter the maximum number of\n hours you want your model to train for.\n\n\n This setting helps you put a cap on the training costs. The actual\n time elapsed can be longer than this value, because there are other\n operations involved in creating a new model.\n\n \u003cbr /\u003e\n\n 9.\n If you want to stop training when the model is no longer\n improving, select **Enable early stopping**.\n\n ### Video\n\n 1. Enter the display name for your new model.\n\n 2. Click **Continue**.\n\n 3.\n Select radio_button_checked**AutoML Edge**\n for the training method and click **Continue**.\n\n 4.\n Select the optimization goal that best suits your need. You\n can optimize for accuracy, latency, or both.\n\n 5. Click **Continue**.\n\n Several minutes after training starts, you can check the training\n node hour estimation from the model's properties information.\n If you cancel the training, there is no charge on the current product.\n\n \u003cbr /\u003e\n\n6. Click **Start Training**.\n\n Model training can take many hours, depending on your training budget\n (image only) and the size and complexity of your data. You can close\n this tab and return to it later. You will receive an email when your\n model has completed training.\n\nWhat's next\n-----------\n\n- [Evaluate AutoML models](/vertex-ai/docs/training/evaluating-automl-models).\n- [Export AutoML Edge models](/vertex-ai/docs/export/export-edge-model).\n- [Use Vertex Explainable AI to understand model behavior](/vertex-ai/docs/explainable-ai/overview)."]]
