圖片資料的 Hello：訓練 AutoML 圖片分類模型

使用 Google Cloud 控制台訓練 AutoML 圖片分類模型。建立資料集並匯入資料後，請使用Google Cloud 主控台查看訓練圖片，並開始模型訓練。

本教學課程包含多個頁面：

1. 設定專案和環境。

2. 建立圖片分類資料集，並匯入圖片。

3. 訓練 AutoML 圖片分類模型。

4. 評估及分析模型成效。

5. 將模型部署至端點，並傳送預測結果。

6. 清除專案所用資源。

每個頁面都假設您已執行教學課程先前頁面中的操作說明。

查看匯入的圖片

資料集匯入完成後，系統會將您帶往「瀏覽」分頁。您也可以從選單中選取「資料集」來存取這個分頁。選取與新資料集相關的註解集 (一組單標籤圖像註解)。

前往「資料集」頁面

開始 AutoML 模型訓練

選擇下列其中一個選項開始訓練：

• 選擇「訓練新模型」。

• 從選單中選取「Models」，然後選取「Create」。

1. 前往「Models」(模型) 頁面

2. 選取「建立」，開啟「訓練新模型」視窗。

3. 選取「Select Training method」，然後選取「target Dataset」(如果系統未自動選取)。確認已選取 radio_button_checked「AutoML」AutoML圓形按鈕，然後選擇「繼續」。

   

4. (選用) 選取「Define your model」，然後輸入「Model name」。按一下「繼續」。

   

5. 選取「訓練選項」。請根據準確度和延遲時間需求，選取模型選項。視需要啟用增量訓練，然後按一下「CONTINUE」。

   以下是增量訓練的考量因素：

   • 只要這個專案中至少有一個以相同目標訓練過的基礎模型，即可啟用增量訓練。
   • 增量訓練可讓您以現有的基礎模型為起點訓練新模型，不必從頭開始訓練。
   • 增量訓練通常有助於加快訓練速度，並節省訓練時間。
   • 您可以使用不同的資料集訓練基礎模型。

   

6. 選取「運算與定價」。指定節點時數預算為 8 個節點時數。選取「開始訓練」。

   節點小時預算是模型訓練所需的最大時間 (可能會略有差異)。系統會將這個值乘以每節點小時價格，藉此計算總訓練費用。訓練時間越長，模型準確度就會越高 (但有上限)，但費用也會隨之增加。開發目的的預算可以低一點，但在正式版中，務必在成本和準確度之間取得平衡。

訓練作業需要數小時才能完成。模型訓練完成後，系統會傳送電子郵件通知。

後續步驟

請參閱本教學課程的下一頁，瞭解如何檢查已訓練的 AutoML 模型效能，並探索改善模型的方法。

請按照「將模型部署至端點及執行預測」中的步驟，部署已訓練好的 AutoML 模型。系統會將圖片傳送至模型進行預測。