Hello 图片数据：训练 AutoML 图片分类模型

使用 Google Cloud 控制台训练 AutoML 图片分类模型。创建数据集并导入数据后，使用Google Cloud 控制台查看训练图片并开始训练模型。

本教程包含多个页面：

1. 设置您的项目和环境。

2. 创建图片分类数据集并导入图片。

3. 训练 AutoML 图片分类模型。

4. 评估和分析模型性能。

5. 将模型部署到端点并发送预测。

6. 清理您的项目。

每个页面均假定您已经按照本教程中之前页面的说明操作。

查看导入的图片

导入数据集后，您将进入浏览标签页。您还可以通过从菜单中选择数据集来访问此标签页。选择与新数据集关联的注解集（一组单标签图片注解）。

转到“数据集”页面

开始 AutoML 模型训练

选择以下选项之一即可开始训练：

• 选择训练新模型。

• 从菜单中选择模型，然后选择创建。

1. 转到“模型”页面

2. 选择创建以打开训练新模型窗口。

3. 选择选择训练方法，然后选择目标数据集（如果未自动选择）。确保选中 radio_button_checked AutoML 单选按钮，然后选择继续。

   

4. （可选）选择定义模型，然后输入模型名称。点击继续。

   

5. 选择训练选项。根据您的准确性和延迟时间需求选择模型选项。（可选）启用增量训练，然后点击继续。

   增量训练注意事项如下：

   • 如果此项目中至少有一个具有相同目标的已训练基础模型，则可以启用增量训练。
   • 增量训练可让您使用现有的基本模型作为训练新模型的起点，而不是从头开始训练新模型。
   • 增量训练通常有助于加快训练速度并节省训练时间。
   • 基准模型可以使用其他数据集进行训练。

   

6. 选择计算和价格。指定节点时预算为 8 个节点时。选择开始训练。

   节点时预算是指模型训练所需的最长时间（可能会略有不同）。此值乘以每节点每小时的价格，即可计算出总训练费用。训练时长越长，模型越准确（在一定程度上），但费用也越高。对于开发目的，预算较低即可，但对于生产环境，请务必在费用和准确性之间取得平衡。

训练需要数小时。模型训练完成后，系统会发送电子邮件通知。

后续步骤

请按照本教程的后续页面查看经过训练的 AutoML 模型的性能，并探索改进模型的方法。

按照将模型部署到端点并进行预测说明操作以部署经过训练的 AutoML 模型。系统会将图片发送到模型进行预测。