训练和使用您自己的模型 (original) (raw)
训练和使用您自己的模型
使用集合让一切井井有条 根据您的偏好保存内容并对其进行分类。
本页面简要介绍了用于在 Vertex AI 上训练和使用您自己的模型的工作流。Vertex AI 提供两种模型训练方法：
- AutoML：只需极少的技术知识和工作量即可创建和训练模型。如需详细了解 AutoML，请参阅 AutoML 新手指南。
- 自定义训练：使用任何机器学习框架大规模创建和训练模型。如需详细了解 Vertex AI 上的自定义训练，请参阅自定义训练概览。
如需有关如何决定使用上述哪个方法的帮助，请参阅选择训练方法。
AutoML
机器学习 (ML) 模型使用训练数据来学习如何针对未用于训练模型的数据推断结果。借助 Vertex AI 上的 AutoML，您可以根据您提供的训练数据构建无代码模型。
您可以使用 AutoML 构建的模型类型
您可以构建的模型类型取决于您拥有的数据类型。Vertex AI 会为以下数据类型和模型目标提供 AutoML 解决方案：
| 数据类型 | 支持的目标 |
|---|---|
| 图片数据 | 分类、对象检测。 |
| 视频数据 | 操作识别、分类、对象跟踪。 |
| 文本数据 | 分类、实体提取、情感分析 |
| 表格数据 | 分类/回归、预测。 |
无论数据类型或目标如何，用于训练和使用 AutoML 模型的工作流都是相同的：
- 准备训练数据。
- 创建数据集。
- 训练模型。
- 评估和迭代模型。
- 从模型获取预测结果。
- 解读预测结果。
图片数据
AutoML 使用机器学习来分析图片数据的内容。您可以使用 AutoML 训练机器学习模型，以对图片进行分类或查找图片数据中的对象。
利用 Vertex AI，您可以通过基于图片的模型进行在线预测和批量预测。在线预测是指向模型端点发出同步请求。如果您要发出请求以响应应用输入，或者在其他需要及时推断的情况下，可以使用在线预测。批量预测是异步请求。您可以直接从模型资源请求批量预测，而无需将模型部署到端点。对于图片数据，如果您不需要获得即时响应并且希望通过一个请求处理累积数据，则可以使用批量预测。
对图片进行分类
分类模型会分析图片数据，并返回适用于图片的内容类别列表。例如，您可以训练一个模型，将图片分类为包含猫或不包含猫，也可以训练一个模型，将狗图片按品种分类。
文档：准备数据 | 创建数据集 | 训练模型 | 评估模型 | 获取预测结果 | 解读结果
对图片进行对象检测
对象检测模型会分析图片数据，并为在图片中找到的所有对象返回注解，其中包含每个对象的标签和边界框位置。例如，您可以训练一个模型，找到图片数据中猫的位置。
文档：准备数据 | 创建数据集 | 训练模型 | 评估模型 | 获取预测结果 | 解读结果
表格数据
利用 Vertex AI，您可以通过简单的流程和界面使用表格数据执行机器学习。您可以为表格数据问题创建以下模型类型：
- 二元分类模型可预测二元结果（二者选一）。此模型类型用于是非问题。例如，您可能想要构建一个二元分类模型来预测客户是否会购买订阅。一般而言，二元分类问题所需的数据比其他模型类型少。
- 多类别分类模型可从三个或更多个互不关联的类别中预测一个类别。使用此模型类型进行分类。例如，作为零售商，您可能希望构建一个多类别分类模型来将客户划分为不同的角色。
- 回归模型可预测连续值。例如，作为零售商，您可能希望构建一个回归模型来预测客户下个月的支出。
- 预测模型可预测一系列值。例如，作为零售商，您可能希望预测未来 3 个月的产品每日需求，以便提前备妥适当数量的商品库存。
如需了解详情，请参阅表格数据概览。
如果您的表格数据存储在 BigQuery ML 中，则可以直接在 BigQuery ML 中训练 AutoML 表格模型。如需了解详情，请参阅 AutoML 表格参考文档。
文本数据
AutoML 使用机器学习来分析文本数据的结构和含义。您可以使用 AutoML 训练机器学习模型，对文本数据进行分类、提取信息或了解作者的情感。
利用 Vertex AI，您可以通过基于文本的模型进行在线预测和批量预测。在线预测是指向模型端点发出同步请求。如果您要发出请求以响应应用输入，或者在其他需要及时推断的情况下，可以使用在线预测。批量预测是异步请求。您可以直接从模型资源请求批量预测，而无需将模型部署到端点。对于文本数据，如果您不需要获得即时响应并且希望通过一个请求处理累积数据，则可以使用批量预测。
对文本进行分类
分类模型会分析文本数据，并返回适用于数据中找到的文本的类别列表。Vertex AI 提供单标签和多标签文本分类模型。
文档：准备数据 | 创建数据集 | 训练模型 | 评估模型 | 获取预测结果 | 解读结果
实体提取模型会检查数据中引用的已知实体的文本数据，并对文本中的这些实体添加标签。
文档：准备数据 | 创建数据集 | 训练模型 | 评估模型 | 获取预测结果 | 解读结果
对文本进行情感分析
情感分析模型会检查文本数据并确定其中的主导性情绪状态，尤其是确定作者的态度是积极、消极还是中立的。
文档：准备数据 | 创建数据集 | 训练模型 | 评估模型 | 获取预测结果 | 解读结果
视频数据
AutoML 使用机器学习来分析视频数据，以便对镜头和片段进行分类，或检测和跟踪视频数据中的多个对象。
对视频进行动作识别
动作识别模型会分析视频数据，并返回分类的动作和动作发生的时刻的列表。例如，您可以训练一个模型来分析视频数据，以识别足球进球、高尔夫挥杆、触地得分或击掌的动作瞬间画面。
文档：准备数据 | 创建数据集 | 训练模型 | 评估模型 | 获取预测结果 | 解读结果
对视频进行分类
分类模型会分析视频数据，并返回分类镜头和片段的列表。例如，您可以训练一个模型来分析视频数据，以识别视频是棒球、足球、篮球还是橄榄球比赛。
文档：准备数据 | 创建数据集 | 训练模型 | 评估模型 | 获取预测结果 | 解读结果
对视频进行对象跟踪
对象跟踪模型会分析视频数据，并返回检测到这些对象的镜头和片段列表。例如，您可以训练一个模型来分析足球比赛的视频数据以识别并跟踪球。
文档：准备数据 | 创建数据集 | 训练模型 | 评估模型 | 获取预测结果 | 解读结果
自定义训练
如果所有 AutoML 解决方案都不能满足您的需求，您还可以创建自己的训练应用，并使用它在 Vertex AI 上训练自定义模型。您可以使用所需的任何机器学习框架，并配置要用于训练的计算资源，包括：
- 虚拟机的类型和数量。
- 图形处理器 (GPU)。
- 张量处理单元 (TPU)。
- 启动磁盘的类型和大小。
如需详细了解 Vertex AI 上的自定义训练，请参阅自定义训练概览。