Entraîner un modèle AutoML Edge à l'aide de la console Google Cloud

Il est possible de créer un modèle AutoML Edge (exportable) directement depuis l'interface utilisateur pour certains types de données, ou en démarrant une tâche de pipeline d'entraînement par programmation. Pour créer ce modèle, vous allez utiliser un ensemble de données préparé. Créez cet ensemble de données dans la console Google Cloud ou à l'aide de l'API. L'API Vertex AI utilise les éléments de l'ensemble de données pour entraîner le modèle, le tester et en évaluer les performances. Passez en revue les résultats des évaluations, ajustez l'ensemble de données d'entraînement si nécessaire puis créez une tâche d'entraînement à l'aide de l'ensemble de données amélioré.

Les tâches d'entraînement peuvent durer plusieurs heures. La page "Vertex AI" de la console Google Cloud indique l'état de l'entraînement.

Entraîner un modèle AutoML Edge

1. Dans Google Cloud Console, dans la section Vertex AI, accédez à la page Ensembles de données.

   Accéder à la page Ensembles de données

2. Cliquez sur le nom de l'ensemble de données que vous souhaitez utiliser pour entraîner votre modèle afin d'ouvrir sa page d'informations.

3. Si votre type de données utilise des ensembles d'annotations, sélectionnez celui que vous souhaitez utiliser pour ce modèle.

4. Cliquez sur Entraîner un nouveau modèle.

5. Sur la page Entraîner un nouveau modèle, procédez comme suit en fonction de votre type de données :

   Image

   1. Sélectionnez radio_button_checkedAutoML Edge comme méthode d'entraînement puis cliquez sur Continuer.

   2. Saisissez le nom à afficher pour votre nouveau modèle.

   3. Si vous souhaitez définir manuellement la répartition des données d'entraînement, agrandissez Options avancées et sélectionnez une option de répartition des données. En savoir plus

   4. Cliquez sur Continuer.

   5. Modèles de classification uniquement (facultatif) : dans la section Explicabilité, sélectionnez check_boxGénérer des bitmaps explicables pour chaque image de l'ensemble de test pour activer Vertex Explainable AI. Sélectionnez Paramètres de visualisation, puis cliquez sur Continuer.

      Cette fonctionnalité est associée à des coûts. Consultez la page Tarifs pour en savoir plus.

   6. Sélectionnez l'objectif d'optimisation qui correspond le mieux à vos besoins. Vous pouvez optimiser la précision, la latence ou les deux.

   7. Cliquez sur Continuer.

   8. Dans la fenêtre Options de calcul et tarifs, indiquez le nombre maximal d'heures pendant lesquelles votre modèle doit s'entraîner.

      Ce paramètre vous permet de définir un plafond pour les coûts d'entraînement. Le temps écoulé peut être supérieur à cette valeur, car la création d'un modèle implique d'autres opérations.

   9. Si vous souhaitez arrêter l'entraînement lorsque le modèle ne s'améliore plus, sélectionnez Activer l'arrêt prématuré.

   Vidéo

   1. Saisissez le nom à afficher pour votre nouveau modèle.

   2. Cliquez sur Continuer.

   3. Sélectionnez radio_button_checkedAutoML Edge comme méthode d'entraînement puis cliquez sur Continuer.

   4. Sélectionnez l'objectif d'optimisation qui correspond le mieux à vos besoins. Vous pouvez optimiser la précision, la latence ou les deux.

   5. Cliquez sur Continuer.

      Quelques minutes après le démarrage de l'entraînement, vous pouvez consulter l'estimation nœud-heure d'entraînement à partir des informations sur les propriétés du modèle. Si vous annulez l'entraînement, vous ne serez pas facturé pour le produit actuel.

6. Cliquez sur Démarrer l'entraînement.

   L'entraînement du modèle peut prendre plusieurs heures en fonction de votre budget d'entraînement (image uniquement) mais aussi de la taille et de la complexité de vos données. Vous pouvez fermer cet onglet et y revenir plus tard. Vous recevrez un e-mail une fois l'entraînement terminé.

Étape suivante

• Évaluez des modèles AutoML.
• Exportez des modèles AutoML Edge.
• Utilisez Vertex Explainable AI pour comprendre le comportement des modèles.