كيف يمكنك تدريب نموذج باستخدام AutoML Vision؟
لتدريب نموذج باستخدام AutoML Vision ، يمكنك اتباع عملية خطوة بخطوة تتضمن إعداد البيانات ، والتدريب على النموذج ، والتقييم. AutoML Vision هي أداة قوية تقدمها Google Cloud تبسط عملية تدريب نماذج التعلم الآلي المخصصة لمهام التعرف على الصور. إنها تستفيد من خوارزميات التعلم العميق وتقوم بأتمتة العديد من المهام المعقدة التي ينطوي عليها تدريب النموذج.
تتمثل الخطوة الأولى في تدريب نموذج باستخدام AutoML Vision في جمع بيانات التدريب وإعدادها. يجب أن تتكون هذه البيانات من مجموعة من الصور المصنفة التي تمثل الفئات أو الفئات المختلفة التي تريد أن يتعرف عليها نموذجك. من المهم التأكد من أن بيانات التدريب الخاصة بك متنوعة وتمثل سيناريوهات العالم الحقيقي التي تتوقع أن يواجهها نموذجك. كلما كانت بيانات التدريب الخاصة بك أكثر تنوعًا وشموليةً ، كان نموذجك قادرًا على التعميم وتقديم تنبؤات دقيقة بشكل أفضل.
بمجرد أن تكون بيانات التدريب جاهزة ، يمكنك المتابعة إلى الخطوة التالية ، وهي إنشاء مجموعة بيانات في واجهة AutoML Vision. يتضمن ذلك تحميل صور التدريب الخاصة بك وتوفير الملصقات المقابلة لكل صورة. يدعم AutoML Vision العديد من تنسيقات الصور ، بما في ذلك JPEG و PNG. بالإضافة إلى ذلك ، يمكنك أيضًا توفير مربعات إحاطة لمهام اكتشاف الكائنات ، مما يؤدي إلى زيادة تحسين إمكانات النموذج الخاص بك.
بعد إنشاء مجموعة البيانات ، يمكنك بدء عملية تدريب النموذج. تستخدم AutoML Vision تقنية تسمى نقل التعلم ، والتي تتيح لك الاستفادة من النماذج المدربة مسبقًا التي تم تدريبها على مجموعات البيانات واسعة النطاق. هذا النهج يقلل بشكل كبير من كمية بيانات التدريب والموارد الحسابية المطلوبة لتحقيق أداء جيد. توفر AutoML Vision مجموعة مختارة من النماذج المدربة مسبقًا ، مثل EfficientNet و MobileNet ، والتي يمكنك الاختيار من بينها بناءً على متطلباتك الخاصة.
أثناء عملية التدريب ، تعمل AutoML Vision على ضبط النموذج المدرَّب مسبقًا باستخدام بيانات التدريب المصنفة. يقوم تلقائيًا بضبط معلمات النموذج وتحسين بنية النموذج لتحسين أدائه في مهمتك المحددة. عادة ما تكون عملية التدريب تكرارية ، مع عهود أو تكرارات متعددة ، لتحسين دقة النموذج تدريجيًا. تقوم AutoML Vision أيضًا بتنفيذ تقنيات زيادة البيانات ، مثل التدوير العشوائي والتقلبات ، لزيادة تعزيز قدرات التعميم الخاصة بالنموذج.
بمجرد اكتمال التدريب ، توفر لك AutoML Vision مقاييس تقييم لتقييم أداء النموذج الخاص بك. تتضمن هذه المقاييس الدقة والتذكر ودرجة F1 ، والتي تقيس قدرة النموذج على تصنيف الصور بشكل صحيح. يمكنك أيضًا تصور تنبؤات النموذج في مجموعة بيانات التحقق من الصحة لاكتساب رؤى حول نقاط القوة والضعف فيه. يسمح لك AutoML Vision بالتكرار على النموذج الخاص بك عن طريق تحسين بيانات التدريب ، وضبط المعلمات الفائقة ، وإعادة تدريب النموذج لتحسين أدائه.
بعد أن تشعر بالرضا عن أداء النموذج المدرَّب ، يمكنك نشره لعمل تنبؤات بشأن الصور الجديدة غير المرئية. توفر AutoML Vision واجهة برمجة تطبيقات REST التي تسمح لك بدمج نموذجك في تطبيقاتك أو خدماتك. يمكنك إرسال بيانات الصورة إلى واجهة برمجة التطبيقات ، وستقوم بإرجاع التسميات المتوقعة أو المربعات المحيطة بناءً على استدلال النموذج المدرب.
يتضمن تدريب نموذج باستخدام AutoML Vision إعداد البيانات وإنشاء مجموعات البيانات وتدريب النموذج والتقييم والنشر. باتباع هذه العملية ، يمكنك الاستفادة من قوة AutoML Vision لتدريب نماذج التعلم الآلي المخصصة لمهام التعرف على الصور ، دون الحاجة إلى معرفة واسعة بخوارزميات التعلم العميق أو إعداد البنية التحتية.
أسئلة وأجوبة أخرى حديثة بخصوص التقدم في تعلم الآلة:
- عندما يتم تقسيم النواة بالبيانات ويكون الأصل خاصًا، فهل يمكن أن يكون الأصل عامًا وإذا كان الأمر كذلك، فهل هذا لا يعد خرقًا للخصوصية؟
- ما هي القيود المفروضة على العمل مع مجموعات البيانات الكبيرة في التعلم الآلي؟
- هل يمكن للتعلم الآلي تقديم بعض المساعدة الحوارية؟
- ما هو ملعب TensorFlow؟
- هل يمنع الوضع المتحمس وظيفة الحوسبة الموزعة لـ TensorFlow؟
- هل يمكن استخدام حلول Google السحابية لفصل الحوسبة عن التخزين من أجل تدريب أكثر كفاءة لنموذج تعلم الآلة مع البيانات الضخمة؟
- هل يقدم Google Cloud Machine Learning Engine (CMLE) الحصول على الموارد وتكوينها تلقائيًا ويتعامل مع إيقاف تشغيل الموارد بعد انتهاء تدريب النموذج؟
- هل من الممكن تدريب نماذج التعلم الآلي على مجموعات بيانات كبيرة بشكل عشوائي دون أي عوائق؟
- عند استخدام CMLE، هل يتطلب إنشاء إصدار تحديد مصدر للنموذج الذي تم تصديره؟
- هل يمكن لـ CMLE القراءة من بيانات تخزين Google Cloud واستخدام نموذج مدرب محدد للاستدلال؟
اعرض المزيد من الأسئلة والأجوبة في "التقدم في التعلم الآلي"