使用 Google Cloud 控制台训练 AutoML Edge 模型

您可以在某些数据类型直接在界面中创建 AutoML Edge（可导出）模型，或通过以编程方式启动训练流水线作业。您可以使用准备好的数据集创建此模型。在 Google Cloud 控制台中或使用 API 创建此数据集。Vertex AI API 使用数据集中的项来训练、测试模型并评估模型性能。查看评估结果，根据需要调整训练数据集，并使用改进的数据集创建新的训练作业。

训练作业可能需要几个小时才能完成。Google Cloud 控制台的 Vertex AI 页面显示训练状态。

训练 AutoML Edge 模型

1. 在 Google Cloud 控制台的 Vertex AI 部分中，转到数据集页面。

   转到“数据集”页面

2. 点击要用于训练模型的数据集的名称，以打开其详情页面。

3. 如果您的数据类型使用注释集，请选择要用于此模型的注释集。

4. 点击训练新模型。

5. 在训练新模型页面中，根据数据类型完成以下步骤：

   图片

   1. 选择 radio_button_checkedAutoML Edge 作为训练方法，然后点击继续。

   2. 输入新模型的显示名。

   3. 如果您要手动设置训练数据的拆分方式，请展开高级选项，然后选择数据拆分选项。了解详情。

   4. 点击继续。

   5. 仅限分类模型（可选）：在可解释性部分，选择 check_box 为测试集内的每张图片生成可解释的位图以启用 Vertex Explainable AI。选择可视化设置，然后点击继续。

      此功能涉及相关费用。如需了解详情，请参阅价格。

   6. 选择最符合您需求的 优化目标。您可以优化准确率和/或延迟时间。

   7. 点击继续。

   8. 在计算和价格窗口中，输入模型训练小时数的上限。

      此设置有助于限制训练费用。实际所用的时间可能超过此值，因为创建新模型涉及其他操作。

   9. 如果要在模型无法再改进时停止训练，请选择启用早停法。

   视频

   1. 输入新模型的显示名。

   2. 点击继续。

   3. 选择 radio_button_checkedAutoML Edge 作为训练方法，然后点击继续。

   4. 选择最符合您需求的 优化目标。您可以优化准确率和/或延迟时间。

   5. 点击继续。

      训练开始几分钟后，您即可在模型的属性信息中查看训练节点时的估算值。如果您取消训练，当前产品不会产生费用。

6. 点击开始训练。

   模型训练可能需要几个小时，具体取决于您的训练预算（仅限图片）以及数据的大小和复杂程度。您可以关闭此标签页，稍后再返回。模型完成训练后，您会收到电子邮件。

后续步骤

• 评估 AutoML 模型。
• 导出 AutoML Edge 模型。
• 使用 Vertex Explainable AI 来了解模型行为。