实操指南：用谷歌AutoML构建图像分类模型
最后更新：2020-03-18 12:41:04 手机定位技术交流文章
的全文有2710个单词。估计学习时间为8分钟
。如何使用谷歌汽车创建一个单一的标签分类模型？
今天，我们将使用由人工智能从生成的照片中生成的人脸数据集来训练算法，以便它能够判断人脸是男性还是女性。然后，我们将把模型部署到云中，并构建算法的web版本。
来试试吧！
获取标签
好，现在开始！让我们先看看将用于分类的数据。总共有2000张脸部照片。
很难相信这些人的脸不是真的！现在，你需要得到基本事实标签来训练算法。你可以在wao.ai网站上创建一个新的图片分类任务来快速获取标签。在
任务完成后，可以获得包含真实值标签的CSV文件(单击此处下载)
构建项目
是时候打开谷歌汽车了本节的内容是在谷歌汽车上创建一个新的数据集，并开始训练这个模型。
如果读者没有帐户，请在GCP谷歌云平台注册该帐户)，然后创建一个新项目创建新项目
后，您可以通过侧边栏或顶部搜索栏进入谷歌自动搜索读者可能需要启用一些应用编程接口来完成账单设置，GCP将指导用户完成这一过程。
接下来，点击“图像分类”部分的“开始”，进入数据集界面
进入数据集界面。在该界面中，点击“创建新数据集”并填写细节以训练数据集
格式输入数据
现在可以真正将数据输入到谷歌云平台所有数据必须存储在GCP存储桶中由于数据集很大，浏览器界面可能无法正常工作。
，但是，GCP命令行工具应该正常工作
单击https://cloud.google.com/sdk/安装谷歌云软件开发工具包(包括命令行工具)
现在只需要执行将文件移动到存储桶的命令请务必将您的桶名更改为您自己的桶名(如下图所示，作者的桶名是win-icon-263815-VCM)
接下来，将wao.ai的真实值标签CSV文件转换为AutoML所需的CSV输出
原始CSV文件如下:
为了使谷歌自动语言易于使用，需要进行以下调整:
作者在ipython终端用熊猫库的数据框完成了这个操作。如下图所示:
数据集创建完成
现在有一个满足谷歌自动格式要求的CSV文件，可以完成数据集创建
将新创建的CSV文件上传到存储桶，并在“导入数据集”界面中选择它
输入数据后，您可以在浏览器中查看所有图片和标签。
创建模型
本节介绍如何使用易于使用的应用编程接口和边缘模型创建在GCP运行的云模型，该模型可以导出到Tensorflow并在本地或托管的移动设备和浏览器上运行
1。培训云模型
打开“培训”选项卡并单击“开始培训”作者保留了所有默认选项
型号将在几个小时内完成。该页面将显示其相关性能和花费的预算(作者总共花费了16个小时):
2。训练(可在任何地方运行)“边缘”模型
创建边缘模型的方法基本相同，只是不再单击“云”而是“边缘”创建边模型时，可以选择优化速度或精度我选择优化精度是因为我想比较边缘模型和云模型。
结果
模型的性能可以在“评估”选项卡中看到云模型的准确率达到94.5%，边缘模型的准确率达到95.5%令人惊讶的是，云模型表现稍差，其培训成本更高！
总体而言，两种型号的性能都令人满意混淆矩阵表明，云模型预测男性面孔的错误率高于女性面孔，而边缘模型的错误率更平均。在下面的屏幕截图
云模型性能
中，您可以看到云模型的混淆矩阵和AutoML报告的一些数据与预测男性面孔相比，云模型更能预测女性面孔。在下面的屏幕截图
边缘模型性能
中，您可以看到边缘模型的混淆矩阵和AutoML报告的一些数据边缘模型在预测男性面孔方面表现稍好！
边缘条件
提供了关于模型在哪里表现良好以及哪里出错的统计分析。像作者的keras模型一样，问题在于儿童照片和一些不正常的面部角度。下面的截图显示了一些假阳性和假阴性的例子。
模型部署
现在有了令人满意的模型，可以投入使用了！云模型可以部署在GCP，边缘模型可以下载，然后在张量流上运行。让我们看看云模型和边缘模型的部署。
部署云模型
开放“测试与应用”(TEST & amp使用)选项卡，单击“部署模型”选项为了测试，我决定只部署一个节点。部署该模型大约需要一个小时。
云模型显示了一个易于使用的API，它可以上传一个简单的JSON对象，然后接收一组预测和概率对作者来说，这是一个完美的集成API，简单方便。
可以直接在浏览器中使用API并检查结果作者上传了一些来自训练数据集的面部照片，看起来这个模型工作得很好！总的来说，如果你有能力在后台运行云实例，使用API还是很方便的。
部署边缘模型
对于边缘模型部署，有许多方法可以下载模型每个选项都非常强大:
tflite:支持运行模型
tendorflow.js:支持在网络浏览器上运行模型
coreml:支持在苹果设备上运行模型
Container:支持在docker容器中运行模型(非常适合网络服务器)
来源:Pexels
一般而言，谷歌自动线易于使用，在构建图像分类模型时非常高效
下次，让我们看看其他云提供商，看看哪个更好！
评论表扬关注
我们分享人工智能学习和发展干货
如转载，请留言，遵守转载规范
本文由 在线网速测试 整理编辑，转载请注明出处。
