Prédire en lots avec Vertex AI - Classification d'images

Table des matières

🎯 Introduction

• Qu'est-ce qu'une prédiction par lot?
• Aperçu du tutoriel

🖼️ Création de l'ensemble de données d'entrée

• Exigences de données d'entrée
• Utilisation de fichiers JSON pour spécifier les images
• Création de l'ensemble de données d'entrée

📦 Création du travail de prédiction par lot

• Importation des bibliothèques nécessaires
• Initialisation de la connexion Vertex AI
• Obtention du modèle pour effectuer une prédiction par lot
• Définition des variables pour le travail de prédiction par lot
• Création du travail de prédiction par lot

📊 Transformation des résultats de prédiction en format tabulaire

• Présentation du format de fichier JSON Lines
• Conversion des prédictions en format tabulaire

🎉 Conclusion

• Résumé du tutoriel
• Remerciements

Introduction

Dans ce tutoriel, nous allons explorer comment effectuer une prédiction par lot avec votre modèle de classification d'images AutoML. Nous découperons ce processus en plusieurs étapes pour une compréhension approfondie et une mise en œuvre pratique.

Création de l'ensemble de données d'entrée

Pour commencer, nous aborderons les exigences de l'ensemble de données d'entrée pour notre modèle de classification d'images. Nous examinerons comment utiliser des fichiers JSON pour spécifier les images à prédire et créerons l'ensemble de données d'entrée correspondant.

Création du travail de prédiction par lot

Ensuite, nous passerons à la création du travail de prédiction par lot. Cela implique l'importation des bibliothèques nécessaires, l'initialisation de la connexion Vertex AI, et l'obtention du modèle pour effectuer la prédiction. Nous définirons également les variables nécessaires et créerons le travail de prédiction par lot.

Transformation des résultats de prédiction en format tabulaire

Une fois le travail de prédiction par lot terminé, nous explorerons comment transformer les résultats de prédiction au format JSON Lines en un format tabulaire plus convivial. Cela facilitera l'analyse et la visualisation des résultats de prédiction.

Conclusion

En conclusion, ce tutoriel vous a montré comment créer un fichier d'entrée, exécuter un travail de prédiction par lot, et transformer les résultats de prédiction en un format tabulaire. Ces compétences sont essentielles pour travailler efficacement avec les modèles de machine learning et obtenir des insights exploitables à partir de vos données.

Nous espérons que ce tutoriel vous a été utile et vous avons hâte de vous voir mettre en pratique ces connaissances dans vos propres projets de machine learning. Merci de nous avoir accompagnés dans ce voyage d'apprentissage!

FAQ

Q : Quels sont les types de modèles supportés pour la prédiction par lot? R : Pour les modèles de classification d'images comme celui utilisé dans ce tutoriel, le format JSON Lines est le seul format supporté.

Q : Combien de temps faut-il pour exécuter un travail de prédiction par lot? R : Le temps d'exécution dépend de la taille de l'ensemble de données et de la complexité du modèle. Dans notre cas, cela a pris environ 30 minutes.

Q : Puis-je utiliser d'autres services de cloud computing pour effectuer une prédiction par lot? R : Oui, plusieurs services de cloud computing proposent des fonctionnalités similaires pour la prédiction par lot, mais les détails de mise en œuvre peuvent varier.

Ressources

• Documentation Google officielle