[手把手教學] 快速啟用 Cloud AutoML Vision：Google 最新機器學習產品！

Google 在一年一度的 Google Cloud Next 大會上，重磅推出新一代機器學習產品：Cloud AutoML，大幅降低企業進入機器學習的門檻。以 Cloud AutoML Vision 為例，Google 在機器學習領域深耕已久，熟悉各種機器學習模型所適合分析的照片類型，即便您沒有足夠的機器學習開發人員，也可以透過 Cloud AutoML 訓練客製化模型！
這篇文章將帶您了解，如何快速啟用 Google 最新一代產品：Cloud AutoML。

(直接觀看案例介紹：一秒辨識屈中恆、宋少卿、鈕承澤：就用 Cloud AutoML Vision！)

事先準備

1. 選定 Project 並確定有啟用 Billing account
2. 開啟 Cloud AutoML 以及 Storage 的 API

創立一個 Cloud Storage Bucket

1. 進到該 Project 並打開 Cloud Shell
2. 在 Cloud Shell 輸入以下指令

PROJECT=$(gcloud config get-value project) && BUCKET="${PROJECT}-vcm"

3. 創建 bucket

gsutil mb -p ${PROJECT} -c regional -l us-central1 gs://${BUCKET}

賦予 AutoML service account 權限

1. 在 Cloud Shell 輸入以下指令

PROJECT=$(gcloud config get-value project)
gcloud projects add-iam-policy-binding $PROJECT \
   --member="serviceAccount:custom-vision@appspot.gserviceaccount.com" \
   --role="roles/ml.admin"
gcloud projects add-iam-policy-binding $PROJECT \
   --member="serviceAccount:custom-vision@appspot.gserviceaccount.com" \
   --role="roles/storage.admin"

複製範例圖片庫到 bucket

1. 從 GCP 提供的 public Cloud Storage bucket, 複製範例的 Dataset 到剛剛創立的 bucket。複製時間大約 20 分鐘，在 Cloud Shell 輸入以下指令

gsutil -m cp -R gs://cloud-ml-data/img/flower_photos/ gs://${BUCKET}/img/

幫圖片庫建立專屬的 CSV 檔案

1. 範例的 Dataset 有一個 CSV 檔案，內容包括每張圖片的絕對位址以及標籤(label)。將範例 CSV 當中的檔案路徑的 bucket 部分置換成上述建立的 bucket：

gsutil cat gs://${BUCKET}/img/flower_photos/all_data.csv | sed "s:cloud-ml-data:${BUCKET}:" > all_data.csv

2. 複製剛剛新創立的 CSV 檔案至 bucket

gsutil cp all_data.csv gs://${BUCKET}/csv/

創立自己的圖片庫

1. 進入到 AutoML Vision 的頁面
2. 點選 New Dataset，如下圖

3. 填寫 Dataset 的名稱

4. 下方有兩種匯入圖片的方法(每種標籤(label)建議最少 100張圖片)，或是可以先選擇略過
   –  從本地端上傳圖片，支援 JPEG, PNG, ZIP (每次上傳最高 500張圖片)
   –  從 Cloud Storage 匯入圖片庫，填入該 csv 的 URL。例如 gs://your-project-123-vcm/csv/all_data.csv , your-project-123 就是 bucket 處在的 project

5. 假如有圖片是有一個以上的標籤(label)，請勾選 Enable multi-label classification

現在聯繫 iKala Cloud，瞭解更多 GCP 加值服務！

6. 選擇完畢後點選 CREATE DATASET，需要幾分鐘的時間匯入圖片庫。完成後會導入到下一個頁面，會顯示所有有標籤以及沒有標籤的圖片，並可以依照標籤來過濾圖片，如下圖。

開始訓練模型

1. 點選導覽列的 TRAIN，如下圖

2. 可以選擇訓練多久，會根據 vision compute hour 來計價。

3. 點選 START TRAINING 開始訓練。通常訓練一個模型需要十幾分鐘，訓練完成或是有 Error 產生都會透過郵件告知使用者。

4. 訓練完畢後如下圖：

5. 備註：可以透過 UI 介面刪減不適合的圖片、增加訓練的時間來增加準確率。

訓練數據

1. 點選 EVALUATE 查看訓練的結果，可以查看各模型建立時間、照片的數量、標籤的數量以及訓練的準確度、召回率。對照不同訓練模型，選出準確率最高的，如下圖

2. 下方有一個 Confusion Matrix，透過這張圖表可以看到哪些圖片是機器容易出錯誤的，可以再針對特定標籤的圖片做一些更新。如下圖。

判斷圖片

1. 點選導覽列的 PREDICT
2. 上傳圖片後即會出現結果，第一次上傳會花比較長的時間讓模型暖機。結果如下圖，右方是上傳圖片的輸出結果，即上傳的圖片是機器判斷某類標籤 (label) 的信心分數(0~1)。

AutoML 計價方式

Cloud AutoML 閱讀更多

若想客製化擁有自己的 Cloud  AutoML 模型，iKala Cloud 提供以下教學文章與應用案例：

–  一秒辨識屈中恆、宋少卿、鈕承澤：就用 Cloud AutoML Vision！
–  Google 三大機器學習產品比較

歡迎訂閱 GCP專門家電子報，更多 Cloud AutoML 相關文章與 Google Cloud 產品應用，最新知識均在此與您分享。