Help us understand the problem. What is going on with this article?

ABEJA Platformのテンプレートを使用して、ノンプログラミングで機械学習モデルをデプロイする

はじめに

本記事は、以下の手順をまとめた記事です。
- ABEJA Platformのテンプレートを使用して、画像分類の機械学習モデルをノンプログラミングでデプロイする

(本記事の前編はこちら)
ABEJA Platformのテンプレートを使用して、ノンプログラミングで機械学習モデルを学習する
https://qiita.com/yushin_n/items/6852ad042913617d8892

モデルの作成

前編で、いくつかのハイパーパラメーターを組み合わせて、モデルを学習しました。今回は学習済みのモデルの中で精度が最も高いモデルを、Web APIとしてデプロイします。

まずは、Validation Accuracyが最も高くなった学習ジョブのIDを控えておきます。

続いて、モデルの「モデルの作成」をクリックして、アップロードの「テンプレート」を選択します。「作成後にデプロイ」にチェックを入れます。

ジョブ定義から、ジョブ定義とValidation Accuracyが最も高くなった学習ジョブIDを選びます。これでデプロイの準備ができました。

HTTPサービスの作成

コンソールのデプロイメントに移動すると、先ほど作成したデプロイメントが見つかると思います。

デプロイメントの名前をクリックして、「HTTPサービスを作成」をクリックします。バージョンとインスタンスタイプ、インスタンス数を選択します。

数分待つと、ステータスが「使用可能」になり、モデルがWeb APIとしてデプロイされます。学習が完了してから、わずか数分間でモデルをデプロイできてしまいました。

「✔︎確認」をクリックして、テストを行います。

URLをクリックして、Wikipediaのタンポポの写真のリンクを貼ります。

送信をクリックすると・・推論結果が返ってきました!

Probabilityが98.99%で、DANDELION(タンポポ)と予測しています。いい感じです。

チューリップの写真でも試してみます。アップロードをクリックして、ファイルをドラッグ&ドロップします。

Probabilityが99.99%で、TULIP(チューリップ)と予測しました!

まとめ

本記事では、ABEJA Platformのテンプレートを使用して、画像分類の機械学習モデルをノンプログラミングでデプロイする手順をまとめました。この機能を活用すれば、機械学習初心者でも、ちょっとした機械学習のアプリをつくることができそうです :dog:

参考

LINE BotとABEJA PlatformのWeb APIを連携する方法はこちらの記事を参照下さい。
https://qiita.com/peisuke/items/f46e46a98692c3490f15

ABEJA Platformは、トライアルも提供しています。気になられた方は、是非、お気軽にお問い合わせください。また、フォーラムもありますので、是非、ご活用ください。

ABEJA Platformに関するお問い合わせ
https://abejainc.com/platform/ja/contact/

ABEJA Platform Forum
https://forums.abeja.io/

yushin_n
Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
Comments
No comments
Sign up for free and join this conversation.
If you already have a Qiita account
Why do not you register as a user and use Qiita more conveniently?
You need to log in to use this function. Qiita can be used more conveniently after logging in.
You seem to be reading articles frequently this month. Qiita can be used more conveniently after logging in.
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
ユーザーは見つかりませんでした