More than 5 years have passed since last update.

AutoML Visionをためしてみた

Last updated at 2018-08-25Posted at 2018-08-25

やってみた系の日本語の記事が少なかった(まだベータ版だから?)のと、Qiitaにもあまりなかったので、記事にまとめておきます。
AutoML Visionの開始から学習、予測を行うまでの内容になります。実際にpythonからAPIを叩く編はまた次の記事で書きます。

最初の準備

適当なプロジェクト作成
AutoML側からプロジェクトにアクセスできるように権限周りを設定
- Quick Startによると次のロールが必要
  - Cloud ML Engine 管理者(roles/ml.admin)
  - ストレージ管理者(roles/storage.admin)
Cloud Platform → 人工知能 →　Vison　を選択
プロジェクトを選択

DataSetsの作成方法は以下の2つがあります。

今回は、gcsからimportする方法のみを試してみました。

GCSにバケットを作り画像をアップロード
- AutoMLを開始したプロジェクトと同じプロジェクトにバケットを作成
- アップロードは、コマンドラインから Cloud Storage にアクセスできるgsutilを使うと楽
アップロードしたイメージのURLとラベルを対応づけたcsvファイルを作成
- 以下のようなフォーマットのCSVファイルを作る
```
gs://プロジェクトID/ディレクトリ/画像ファイル,ラベル
gs://プロジェクトID/ディレクトリ/画像ファイル,ラベル
.
.
```
- ラベルを複数つけると、マルチラベルでのクラスタリングが可能
- このときcsvのheaderとidは不要
詳しくは以下 https://cloud.google.com/vision/automl/docs/prepare#csv
作成したcsvファイルを、画像をアップロードしたバケットにアップロード
AutoML側から、CSV使ったデータセットの作成をすると、画像が読み込まれる

読み込まれた画像とラベルは、AutoMLの画面のImageタブから確認できます。

zipを使った場合は、こちらの方がやっておられました。
Cloud AutoML Visionを使ってみた(使ってみただけ)
ファイルの構造がそのままラベルになるのは楽で良いですね。

AutoMLの画面のTrainタブ→TRAIN NEW MODELをクリック
モデル名や学習にかける時間などを設定する。
1 compute hourを選択すると1時間の学習が無料で行える。

START TRAININGで学習開始
あとは、待機

価格は、

学習結果は、AutoMLの画面のEVALUATEタブから確認できる。
precision(精度)やrecall(再現度)などが確認できる。

AutoMLの画面のPREDICTタブから確認できる。

画像をアップロードすると予測のテストが行える。
curlとpython用のコードも用意してくれてるのでコピペで動く。

価格は、

学習時

予測時

あと、GCS代