1. yushin_n

    No comment

    yushin_n
Changes in body
Source | HTML | Preview
@@ -1,70 +1,70 @@
## 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、画像分類の機械学習モデルをノンプログラミングで学習する
+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。
<img src="https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/376869/3883c14f-1c7a-0dec-c0eb-a6e523647372.png" width=80%>
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。
<img src="https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/376869/8f18249d-80e6-36e4-c277-24026d2dd70a.png" width=80%>
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。
<img src="https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/376869/f5303ca0-5d00-8ddb-5b41-deda50f5594c.png" width=80%>
## 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。
<img src="https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/376869/239efaf7-00a8-3646-5107-41c74e0332db.png" width=80%>
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。
<img src="https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/376869/9105c438-66a0-e113-e67c-91ff9c8d04f1.png" width=80%>
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。
<img src="https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/376869/a9389c61-2b47-e5df-5324-f3e1e8f6ab0c.png" width=80%>
「✔︎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](https://upload.wikimedia.org/wikipedia/commons/4/4f/L%C3%B6wenzahn_uhf.JPG)を貼ります。
<img src="https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/376869/3e570be1-1577-3c11-2f4a-d3e44ade27f3.jpeg" width=30%>
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。
<img src="https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/376869/d65ddad7-193e-e929-ed60-0d32f91c22a0.png" width=80%>
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。
<img src="https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/376869/9d4547c8-0c1f-99ba-1be4-c5ddeec98b2d.jpeg" width=30%>
Probabilityが99.99%で、TULIP(チューリップ)と予測しました!
<img src="https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/376869/625dbce2-f7b6-f772-5270-0dce1fb408ee.png" width=80%>
## 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/