Какво е Vertex AI?
Vertex AI е цялостната ML платформа на Google Cloud за учени по данни и ML инженери за ускоряване на експериментирането и внедряването на ML.
Платформата обединява съществуващите ML предложения на Google Cloud в една среда за ефективно изграждане и управление на жизнения цикъл на ML проекти.
Google представи Vertex AI през май 2021 г., беше обявено в Google I/O (Innovation in the Open), проведено в Маунтин Вю, Калифорния.
Характеристика:
• Поддържа всички рамки с отворен код — поддържа всички рамки с отворен код като TensorFlow, PyTorch и scikit-learn, заедно с персонализирани контейнери за обучение и прогнозиране.
• Унифициран потребителски интерфейс за целия работен процес на ML — обединява облачните услуги на Google за изграждане на ML в един унифициран потребителски интерфейс и API. Можем ефективно да обучаваме и сравняваме модели с помощта на AutoML или обучение по персонализиран код & Централно хранилище на модели съхранява всички наши модели, които могат да се внедряват в едни и същи крайни точки
• Предварително обучени API — Vertex AI има предварително обучени API за зрение, естествен език, видео и те могат да бъдат включени в съществуващи приложения. Можем също така да създаваме нови приложения в различни случаи на употреба като превод и говор към текст и има AutoML, който позволява на разработчиците да обучават висококачествени модели според техните бизнес нужди с централен регистър за всички набори от данни
- Интеграция — Разработчиците могат да използват BigQuery ML, за да създават и изпълняват модели за машинно обучение, като използват стандартни SQL заявки за съществуващи инструменти и електронни таблици. Като алтернатива можем да експортираме набори от данни от BigQuery във Vertex AI за интегриране през жизнения цикъл от данни към AI.
Ползи:
•Гъвкав
• По-бързи и автоматично настройващи се хиперпараметри (интегрирани с Vizer — AI Optimizer на Google)
- Намаляване на кода
Нека да преминем към облачната конзола и да разгледаме това
Vertex AI Табло за управление
Създайте Набор от данни
Можем да създадем различни набори от данни в зависимост от нашия случай на употреба:
- Набор от данни за изображения за класификация на изображения (единични или много етикети), откриване на обекти и сегментиране на изображения
- Табличен набор от данни за регресия или класификация и прогнозиране
- Набор от текстови данни за текстова класификация (единичен или множество етикети), извличане на обекти, анализ на настроението
- Набор от видео данни за разпознаване на действия, класификация, проследяване на обекти
Пример — Модел за класификация на изображения, използващ Vertex AI
Използван набор от данни — Набор от данни за цветя от Kaggle
Изтеглете горния набор от данни и го запазете във вашия локален
Отидете до конзолата на облака в секцията Datasets вляво и създайте набора от данни
Изберете набора от данни, който сте създали, сега ще попълним изображенията за обучение в него
Импортирайте всяка категория изображения отделно и ги етикетирайте по съответния начин
След като маркирате всяко изображение, щракнете върху опцията „ОБУЧАВАНЕ НА НОВ МОДЕЛ“ вдясно
Имаме различни методи на обучение,
- AutoML — Вграденият метод на Vertex AI, който се грижи за настройката на параметрите и избора на най-подходящия модел в зависимост от типа данни и случая на употреба
- Edge е за внедряване на място
- Персонализирано обучение, ако имаме собствен код
Засега избираме AutoML
Подробности за модела — AutoML произволно разделя данните на 80–10–10 за train-validate-test, можем да променим това въз основа на нашите нужди
Задайте 8 часа възел в раздела Compute and Pricing и започнете с обучението
Ще получите известие по имейл, след като обучението приключи,
Вече можете да изберете своя обучен модел и да оцените неговите показатели
Можем да видим прецизността на нашия модел, матрицата на объркването ни помага да разберем къде нашият модел е объркващ за резултатите
Вече можем да внедрим модела до крайна точка
Задайте броя на изчислителните възли на 2 и разположете
И накрая, след като крайната точка бъде създадена, можем да я тестваме, като качим изображение
Като алтернатива можем също да правим прогнози с помощта на SDK чрез REST API или Python
Поздравления, успешно създадохте и внедрихте модел за класификация на изображения с помощта на Vertex AI
Надяваме се, че сте намерили тази статия за полезна. Приятно учене!