· Joseph · AI & Machine Learning  · 2 min read

[Day 5] Google Vision AI - 子系列最終章

今天是Google Vision AI這子系列最後一章節,我們今天要來講Vision AI的Auto ML Vision。我玩的是GCP上面的UI介面,側邊欄打開找到Vision點進去就可以看到了: AutoML-Vision.jpg

我選擇的是AutoML物件偵測,然後先建立一個資料集: create-dataset.jpg

然後我在Kaggle下載貓跟狗的dataset,準備匯入AutoML裡。進到Dateset以後選擇匯入、選擇圖片、然後選Google Cloud Storage Bucket,就可以繼續啦。 import.jpg 然後要建立一陣子映像檔案…

然後,先建立兩個標籤: Dog, Cat, catogory.jpg 接著一張一張開始分類: select-region.jpg

但這邊我分類了一陣子以後,跑訓練依然會失敗,至今不確定是不是操作上的問題,先上圖讓我再來研究一番… traing-failed.jpg


玩了一陣子以後,找到了一個暫時的解法:

  1. 先把分類好的匯出CSV, export.jpg

  2. 去Google Cloud Storage下載, download_csv.jpg

  3. 然後去手動調整SET成8:1:1的training, test, validation set,奇怪的是分類的時候無法選擇,讓人很困擾。 csv.jpg

  4. 開始訓練~~ training-start.jpg training.jpg

萬事起頭難之終於開始訓練了,訓練好壞就不是這邊的重點,好壞之後再繼續摸索。 Vision AI就先到這邊結束,明天來玩Video AI囉~。

Back to Blog

Related Posts

View All Posts »

[Day 4] Google Vision AI - 3

今天還是繼續多玩幾個Vision AI API好了,初步教學可以看前一篇 Detech text in images 我這邊用的圖片是Google搜尋到的拉斯維加斯: las-vegas.jpg

[Day 3] Google Vision AI - 2

今天來入門Google Vision AI的API,文件部分可以看這裡。練功嘛!語言部分我就來順便玩一下一直想入門的Golang。 跟著Quickstarts裡的Using client libraries走先。 打開或選擇專案 select-project.jpg 這邊要注意你的ProjectName跟ProjectID不見得會一樣,每個地方會用到不同的資訊。

[Day 2] Google Vision AI - 1

Google Vision AI分成兩個服務:AutoML Vision、Vision API,我們今天先講Vision API。 Vision API要講什麼?講什麼都比不過先來玩看看。 選擇圖片:

[Day 30] Google AI & ML Products 系列總結

這系列文章出自於一個無窮無盡的bug的解題時間,想不到如何解bug、又想不出要寫什麼主題,參考完大家的方向以後,我發現這類型的文章很少、又很實用,才下定決心透過鐵人賽推廣 Google AI & ML Products。 在這次的挑戰裡,給了自己三個目標: 更熟悉docker 開始玩Golang 入門大部分的Google AI & ML Products 但也因為Google AI & ML Products太多了,所以把它分了很多子系列進行,現在再來回顧一下這次的內容。 前面先來個提醒,如果過程中你們有Deploy model做Online predict的,如果測完一定要記得刪掉,不然你deploy的model就會一直被收費喔。