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!