Садржај

• Припрема вашег скупа података
• Затражите бесплатно пробно раздобље за Гоогле Цлоуд Платформ
• Креирајте нови ГЦП пројекат
• Омогућите АПИ-је за АутоМЛ у облаку и за складиштење података
• Направите канту за складиштење у облаку
• Време за обуку: Изградња вашег скупа података
• Обука вашег модела машинског учења
• Колико је тачан ваш модел?
• Ставите свој модел на тест!
• Окончање

Машинско учење (МЛ) је научно-фантастични концепт рачунара који сами подучавају. У МЛ-у дајете неке податке који представљају врсту садржаја за који желите да се машинско учење аутоматски обрадјује, а затим се модел подучава на основу тих података.

Машинско учење је можда врхунско, али има и огроман баријера за улазак. Ако желите да користите било коју врсту МЛ-а, обично ћете требати ангажовати стручњака за машинско учење или научника за податке, а обе ове професије су тренутно у великој потражњи!

Гооглеов Цлоуд АутоМЛ Висион је нова услуга машинског учења која има за циљ да приближи МЛ масама омогућавајући стварање модела машинског учења, чак и ако немате искуство у МЛ-у. Коришћењем Цлоуд АутоМЛ Висион-а можете да креирате модел препознавања слике који може да идентификује садржај и узорке на фотографијама, а затим овај модел аутоматски употребљавате за следеће слике.

Ова врста МЛ заснованог на визуелном окружењу може се користити на много различитих начина. Желите да направите апликацију која пружа информације о оријентиру, производу или баркоду на који корисник усмерава свој паметни телефон? Или желите да направите моћан систем претраге који омогућава корисницима да филтрирају хиљаде производа на основу фактора као што су материјал, боја или стил? Машинско учење је све више један од најефикаснијих начина пружања ове функционалности.

Иако је још увек у бета верзији, већ можете да користите Цлоуд АутоМЛ Висион за прављење прилагођених модела машинског учења који идентификују обрасце и садржај на фотографијама. Ако желите да откријете о чему се ради у машинском учењу, онда ћу вам у овом чланку показати како да направите свој модел препознавања слике, а затим га употребите да аутоматски обрађује нове фотографије.

Припрема вашег скупа података

Када радите са Цлоуд АутоМЛ-ом, користићете означене фотографије као своје скупове података. Можете да користите било које фотографије или етикете које волите, али да бих вам помогао да овај водич буде једноставан, правицу једноставан модел који може да разликује фотографије паса и фотографије мачака.

Без обзира на специфичности вашег модела, први корак је проналажење одговарајућих фотографија!

Цлоуд АутоМЛ Висион захтева најмање 10 слика по налепници или 50 за напредне моделе, на пример моделе на којима ће бити више ознака по слици. Међутим, што више података пружите, веће су шансе модела да правилно идентификује накнадни садржај, па документи АутоМЛ Висион препоручују да користите барем 100 примера по моделу. Такође треба да дате отприлике исти број примера по ознаци, јер ће неправедна дистрибуција подстаћи модел да покаже пристрасност према најпопуларнијој категорији.

Да бисте постигли најбоље резултате, ваше слике за тренинг треба да представљају разноликост слика са којима ће се овај модел сусретати, на пример, можда ћете требати да укључите слике снимљене под различитим угловима, са вишом и нижом резолуцијом и са различитим позадинама. АутоМЛ Висион прихвата слике у следећим форматима: ЈПЕГ, ПНГ, ВЕБП, ГИФ, БМП, ТИФФ и ИЦО, са максималном величином датотеке од 30МБ.

Будући да само експериментирамо са услугом Цлоуд АутоМЛ Висион, највероватније је да ћете желети да креирате скуп података што је брже и лакше. Да бих вам олакшао ствари, преузет ћу гомилу бесплатних фотографија паса и мачака са Пекелса, а затим похранити фотографије мачака и паса у одвојене мапе, јер ће то олакшати пренос ових фотографија касније.

Имајте на уму да приликом израде скупова података који ће се користити у производњи требало би да узмете у обзир одговорне АИ праксе, како би се спречило штетно поступање. Више информација о овој теми потражите у Гоогле-овим документима о укључивом МЛ-у и одговорним АИ праксама.

Постоје три начина за отпремање података у АутоМл Висион:

• Отпремите већ сортиране слике у мапе које одговарају вашим ознакама.
• Увезите ЦСВ датотеку која садржи слике, плус придружене ознаке категорија. Ове фотографије можете да отпремите са локалног рачунара или са Гоогле Цлоуд Стораге-а.
• Пренесите своје слике помоћу корисничког сучеља Гоогле Цлоуд АутоМЛ Висион, а затим на сваку слику нанесите ознаке. Ово је метода коју ћу користити у овом туториалу.

Затражите бесплатно пробно раздобље за Гоогле Цлоуд Платформ

Да бисте користили Цлоуд АутоМЛ Висион, требаће вам налог Гоогле Цлоуд Платформ (ГЦП). Ако немате налог, онда се можете пријавити на 12-месечно бесплатно пробно коришћење тако што ћете се упутити на бесплатну страницу Пробна облачна платформа и следите упутства. ти ће треба да унесете своје податке о дебитној или кредитној картици, али према ФАК-у о слободном нивоу, они се само користе за потврду вашег идентитета и нећете бити наплаћени ако не надоградите на плаћени рачун.

Други захтев је да морате омогућити наплату за свој АутоМЛ пројекат. Ако сте се само пријавили за бесплатну пробну верзију или немате никакве податке за наплату повезане са вашим ГПЦ налогом, онда:

• Идите до конзоле ГЦП.
• Отворите навигациони мени (икона подстављена у горњем левом углу екрана).
• Изаберите „Наплата“.
• Отворите падајући мени „Моја наплата“, а потом „Управљање рачунима за фактурисање“.
• Изаберите „Креирај налог“, а затим следите упутства на екрану да бисте креирали профил за наплату.

Креирајте нови ГЦП пројекат

Сада сте спремни да направите свој први пројекат Цлоуд АутоМЛ Висион:

• Пређите на страницу Управљање ресурсима.
• Кликните на „Креирај пројекат“.
• Дајте пројекту пројекту и кликните „Цреате“.

Ако имате више рачуна за наплату, ГЦП би требало да пита који налог желите да повежете са овим пројектом. Ако имате један рачун за наплату и ви сте администратор наплате, овај налог ће аутоматски бити повезан са вашим пројектом.

Рачун за наплату можете ручно одабрати:

• Отворите навигациони мени конзоле ГЦП, а затим изаберите „Наплата“.
• Изаберите „Повежи рачун за наплату“.
• Изаберите „Постави рачун“, а затим изаберите рачун за наплату који желите да повежете са овим пројектом.

Омогућите АПИ-је за АутоМЛ у облаку и за складиштење података

Када креирате свој модел, чуваћете све своје слике за обуку у канти за складиштење у облаку, тако да морамо омогућити АутоМЛ и АПИ-ји за складиштење у облаку:

• Отворите навигациони мени ГЦП-а и изаберите „АПИ-ји и услуге> Дасхбоард“.
• Кликните на „Омогући АПИ-је и услуге“.
• Почните да куцате „Цлоуд АутоМЛ АПИ“, а затим га изаберите када се појави.
• Изаберите „Омогући“.
• Вратите се на екран „АПИ-ји и услуге> Надзорна плоча> Омогући АПИ-је и услуге“.
• Почните да куцате „Гоогле Цлоуд Стораге“ и изаберите га када се појави.
• Изаберите „Омогући“.

Направите канту за складиштење у облаку

Направит ћемо своју канту за Цлоуд Стораге коришћењем Цлоуд Схелл-а, који је мрежна виртуелна машина базирана на Линуку:

• Изаберите икону „Активирај Гоогле Цлоуд Схелл“ са заглавља (где је курсор постављен на следећој слици).

• Цлоуд Схелл сесија ће се сада отворити на дну конзоле. Сачекајте док се Гоогле Цлоуд Схелл повеже са вашим пројектом.
• Копирајте / залепите следећу наредбу у Гоогле Цлоуд Схелл:

ПРОЈЕЦТ = $ (пројекат гцлоуд цонфиг гет-валуе) && БУЦКЕТ = "$ {ПРОЈЕЦТ} -вцм"

• Притисните тастер “Ентер” на тастатури.
• Копирајте / залепите следећу наредбу у Гоогле Цлоуд Схелл:

гсутил мб -п $ {ПРОЈЕЦТ} -ц регионални -л ус-централ1 гс: // $ {БУЦКЕТ}

• Притисните тастер „Ентер“.
• Дајте дозволу АутоМЛ сервису да приступи вашим Гоогле Цлоуд ресурсима, копирањем / лепљењем следеће команде, а затим притиском на тастер „Ентер“:

ПРОЈЕЦТ = $ (пројекат гцлоуд цонфиг гет-валуе) гцлоуд пројекти адд-иам-обвезујуће политике $ ПРОЈЕЦТ --мембер = "сервицеАццоунт: цустом-висион@аппспот.гсервицеаццоунт.цом" --роле = "улоге / мл. админ "гцлоуд пројекти адд-иам-полици-обвезујуће $ ПРОЈЕЦТ --мембер =" сервицеАццоунт: цустом-висион@аппспот.гсервицеаццоунт.цом " --роле =" улоге / стораге.админ "

Време за обуку: Изградња вашег скупа података

С тим што је ово подешавање измакло, сада смо спремни за учитавање нашег скупа података! Ово укључује:

1. Прављење празног скупа података.
2. Увоз фотографија у скуп података.
3. Додељивању барем једне етикете свакој фотографији. АутоМЛ Висион ће у потпуности игнорисати све фотографије које немају ознаку.

Да бих олакшао поступак означавања, пребацићу и обележићу све фотографије својих паса, пре него што се позабавим фотографијама мачака:

• Пређите на корисничко сучеље АутоМЛ Висион (још увек у бета верзији за време писања).
• Изаберите „Нови скуп података“.
• Дајте свом скупу података описно име.
• Кликните на „Селецт филес“.
• У наредном прозору одаберите све фотографије вашег пса, а затим кликните на „Отвори“.
• Будући да наше слике немају више од једне налепнице, можемо оставити „Омогући класификацију са више етикета“ искљученим. Кликните на „Цреате Датасет.“

Након што је пренос завршен, Цлоуд АутоМЛ Висион корисничко сучеље ће вас одвести на екран који садржи све ваше слике, плус распад свих ознака које сте примијенили на овај скуп података.

Будући да наш скуп података тренутно садржи само слике паса, можемо их масовно означити:

• У левом менију изаберите „Додај ознаку“.
• Упишите "пас", а затим притисните тастер "Ентер" на тастатури.
• Кликните на „Селецт алл имагес“.
• Отворите падајући мени „Ознака“ и изаберите „пас“.

Сада смо означили све фотографије наших паса, време је да пређемо на фотографије мачака:

• Изаберите „Додај слике“ са заглавља.
• Изаберите „Пошаљите са рачунара“.
• Одаберите све фотографије мачке, а затим кликните „Отвори“.
• У левом менију изаберите „Додај ознаку“.
• Упишите "цат", а затим притисните тастер "Ентер" на тастатури.
• Крените кроз и одаберите сваку мачку фотографију, померајући показивач миша изнад слике, а затим кликните икону мале квачице када се појави.
• Отворите падајући избор „Ознака“ и изаберите „Мачка“.

Обука вашег модела машинског учења

Сада имамо свој скуп података, време је да обучимо наш модел! Примите га рачунати сат бесплатног тренинга по моделу за до 10 модела сваког месеца, што представља унутрашњу употребу рачунања, и самим тим се можда не односи на стварни сат на сату.

Да бисте обучили свој модел, једноставно:

• Одаберите картицу "Траин" корисничког сучеља АутоМЛ Висион УИ.
• Кликните на "Старт Траининг".

Време потребно за Цлоуд АутоМЛ Висион за обуку вашег модела ће варирати у зависности од количине података које сте навели, мада би према званичним документима требало да траје око 10 минута. Након што је ваш модел обучен, Цлоуд АутоМЛ Висион ће га аутоматски распоредити и послати е-пошту са обавештењем да је ваш модел сада спреман за употребу.

Колико је тачан ваш модел?

Пре него што ставите свој модел на тест, можда ћете желети да направите неке промене како бисте осигурали да су његова предвиђања што тачнија.

Изаберите картицу „Оцени“, а затим изаберите један од ваших филтера са левог менија.

У овом тренутку, АутоМЛ Висион УИ ће приказати следеће информације за ову налепницу:

• Праг резултата Ово је ниво поверења који модел мора да поседује како би доделио ознаку новој фотографији. Можете да користите овај клизач за тестирање утицаја који ће различити прагови имати на ваш скуп података, надгледањем резултата у пратећем графикону опозива прецизности. Нижи прагови значе да ће ваш модел класификовати више слика, али постоји повећан ризик од погрешног препознавања фотографија. Ако је праг висок, онда ће ваш модел класификовати мањи број слика, али такође би требало да погрешно идентификује мањи број слика.
• Просечна прецизност. Ово је начин на који ваш модел функционише кроз све прагове резултата, при чему је 1.0 максимални резултат.
• Прецизност. Што је већа прецизност, мање је лажних позитивних приказа на које модел треба применити погрешну налепницу. Модел високе прецизности ће означавати само најрелевантније примере.
• Поврат. Из свих примера којима је требало доделити ознаку, подсетник нам говори колико је њима заправо додељена ознака. Што је већи проценат опозива, то је мање лажних негатива које бисте требали наићи, где модел не успе да означи слику.

Ставите свој модел на тест!

Сад долази забавни део: провера да ли ваш модел може препознати да ли фотографија садржи пса или мачку, генерисањем предвиђања на основу података које раније није видео.

• Узми фотографију која није укључено у ваш оригинални скуп података.
• У АутоМЛ Висион конзоли одаберите картицу "Предвиђање".
• Изаберите „Пошаљите слике“.
• Изаберите слику коју желите да анализира АутоМЛ Висион.
• Након неколико тренутака, ваш модел ће предвидјети - надамо се, тачно је!

Имајте на уму да, иако је Цлоуд АутоМЛ вид у бета верзији, може доћи до кашњења загревања на вашем моделу. Ако ваш захтев врати грешку, причекајте неколико секунди пре него што покушате поново.

Окончање

У овом смо чланку погледали како можете користити Цлоуд АутоМЛ Висион за обуку и употребу прилагођеног модела учења. Мислите ли да алати попут АутоМЛ-а имају потенцијал да привуку више људи користећи машинско учење? Јавите нам у коментарима испод!