שלום נתוני תמונה: פריסת מודל לנקודת קצה ושליחת חיזוי

אחרי שמודל AutoML לסיווג תמונות מסיים את האימון, משתמשים במסוףCloud de Confiance כדי ליצור נקודת קצה ולפרוס בה את המודל. אחרי שהמודל נפרס בנקודת הקצה החדשה, שולחים תמונה למודל כדי לחזות את התווית.

המדריך הזה כולל כמה דפים:

1. הגדרת הפרויקט והסביבה.

2. יצירת מערך נתונים לסיווג תמונות וייבוא תמונות.

3. אימון מודל AutoML לסיווג תמונות

4. להעריך ולנתח את ביצועי המודל.

5. פורסים מודל בנקודת קצה ושולחים חיזוי.

6. פינוי מקום בפרויקט

בכל דף מניחים שכבר ביצעתם את ההוראות מהדפים הקודמים של המדריך.

פריסת המודל בנקודת קצה (endpoint)

כדי לפרוס את המודל המאומן בנקודת קצה חדשה או קיימת, נכנסים לדף Models:

1. במסוף Cloud de Confiance , בקטע Gemini Enterprise Agent Platform, נכנסים לדף Training.

   לדף ההדרכה

2. בוחרים את מודל AutoML שאומן. כך עוברים לכרטיסייה Evaluate, שבה אפשר לראות את מדדי הביצועים של המודל.

3. בוחרים בכרטיסייה tab Deploy & test.

4. לוחצים על Deploy to endpoint.

5. בוחרים באפשרות radio_button_checkedCreate new endpoint, נותנים לנקודת הקצה את השם hello_automl_image ולוחצים על Continue.

6. ב-Model settings, מאשרים את חלוקת התנועה של 100%, מזינים 1 ב-Number of compute nodes ולוחצים על Done.

7. לוחצים על Deploy כדי לפרוס את המודל בנקודת הקצה החדשה.

יצירת נקודת הקצה ופריסת המודל של AutoML בנקודת הקצה החדשה נמשכות כמה דקות.

שליחת חיזוי למודל

אחרי שתהליך היצירה של נקודת הקצה מסתיים, אפשר לשלוח בקשה להוספת הערה (חיזוי) לתמונה אחת במסוף Cloud de Confiance .

1. עוברים לקטע Test your model באותו כרטיסייה Deploy & test שבה השתמשתם כדי ליצור נקודת קצה בשלב הקודם (Models > your_model > tab Deploy & test).

2. לוחצים על Upload image, בוחרים תמונה ששמורה באופן מקומי לחיזוי וצופים בתווית החזויה שלה.

   

המאמרים הבאים

כדי למחוק את המשאבים שיצרתם, פועלים לפי ההוראות בדף האחרון של המדריך.