Vai ai contenuti principali
Vai alla dashboard
Non sai da dove iniziare? Rispondi a un breve quiz per ricevere consigli personalizzati.
Lezione 5 di 7
Allena il tuo modello di Machine Learning
Hands-on Machine Learning
Che cos'è il Machine Learning?
Indagare con il Machine Learning
Google Cloud AutoML Vision
Preparazione dei dati
Valutazione e test
check_box_outline_blank Manuale pratico di Machine Learning: fai il Quiz!
Corso
0% completata
5 minuti per completare

Allena il tuo modello di Machine Learning

image13_2.png
Importa i tuoi dati in AutoML Vision e avvia il processo di addestramento
image13_2.png

Prepara i tuoi dati per l’importazione

image13_2_x1zLfy0.png

È ora di tornare al nostro account Google Cloud e continuare l'esercizio importando i nostri training dataset o dati per l'addestramento in AutoML Vision.


Il modo più rapido per aggiungere immagini etichettate consiste nel caricare cartelle compresse separate, contenenti esempi per ciascuna delle due etichette del nostro esercizio. Nel nostro caso, infatti, abbiamo due cartelle/etichette: "positive" (immagini con esempi di estrazione dell'ambra) e "negative" (senza). Potresti anche caricare tutte le immagini insieme ed etichettarle manualmente all'interno dell'interfaccia di AutoML Vision, ma questa operazione richiederebbe molto più tempo.

image13_2_x1zLfy0.png

Importa i dati in AutoML (1)

Scarica sul tuo  computer le due cartelle zippate: 



Durante il download, riapri la piattaforma Google Cloud tramite questo link. Dopo aver scaricato le due cartelle, segui questi passaggi per caricarle in AutoML Vision:


Nell'interfaccia, clicca su "Nuovo set di dati".


Rinomina il tuo set di dati e assegnagli un'etichetta riconoscibile (ad esempio, "amber mining"), seleziona "Classificazione a etichetta singola" come obiettivo del tuo modello e clicca su "Crea set di dati".


Mantieni selezionato "Carica immagini dal tuo computer" clicca su "Seleziona file". Dal menu che si apre, seleziona "positive.zip" e "negative.zip". Conferma la tua selezione.


Clicca su "Sfoglia" per selezionare una destinazione sul cloud storage e nella finestra che si aprirà, clicca sull'icona in alto a destra per "Crea un nuovo bucket".


Dai un nuovo nome al tuo bucket. Ai fini di questo esercizio, non importa cosa selezionerai nelle seguenti opzioni. Clicca su "Crea", quindi su "Seleziona" nella finestra successiva.

Importa i dati in AutoML (2)

Ora siamo pronti per caricare i dataset:



Assicurati che "negative.zip" e "positive.zip" appaiano nella casella grigia, quindi clicca su "Continua". Attendi qualche secondo o qualche minuto, a seconda della velocità della tua connessione, affinché le immagini vengano caricate.


Quando il caricamento è completo, clicca su "Immagini" dal menu nella parte superiore della pagina e attendi il completamento del processo di importazione: potrebbero essere necessari fino a 30 minuti.


Al termine del processo di importazione, riceverai una notifica via e-mail. La tua piattaforma Google Cloud mostrerà 1.150 immagini importate, 900 negative e 250 positive.

Allena il tuo modello di Machine Learning

Ora siamo pronti per iniziare il processo di addestramento: Prima, però, scorri le immagini e scopri di più sul nostro set di dati. Controlla ad esempio alcune delle immagini "positive". Riesci a vedere i buchi distintivi, le tracce di estrazione dell'ambra? Se riesci a riconoscerli, anche il tuo modello sarà in grado di farlo.



Per alcune immagini, potrebbe non essere così facile nemmeno per te affermare se sono presenti tracce di estrazione dell'ambra o meno. Nella prossima lezione vedremo come si comporta il modello su questi esempi limite. Quando sei pronto per procedere, clicca su "Addestra"


A questo punto, il modello ti dice che "hai abbastanza immagini per iniziare l’addestramento". Ti informa inoltre che "Il tuo set di dati verrà automaticamente suddiviso in tre parti: addestramento, convalida e test". Vediamo cosa significa.

Avvia l’addestramento su AutoML

image39_2.png

Puoi anche dividere il set di dati da solo. La suddivisione manuale dei dati è una buona scelta quando si desidera esercitare un maggiore controllo sul processo o se sono presenti esempi specifici che si è sicuri di voler includere in una determinata parte del ciclo di vita dell'addestramento del modello. Nel nostro caso, la suddivisione predefinita - 80%, 10%, 10% - va benissimo, quindi possiamo procedere:


  1. Clicca su “Inizia l’addestramento”
  2. In "Definisci il tuo modello", tieni premuta la selezione "Hosting cloud" e clicca su "Continua".
  3. Quindi, in "Definisci un budget orario per il nodo", imposta il budget su 8 ore/nodo e lascia deselezionata la casella "Distribuisci il modello su 1 nodo dopo l'addestramento". 
  4. Infine, clicca su “Inizia l’addestramento” A questo punto, dovrai attendere un paio d'ore mentre il modello viene addestrato.
  5. La macchina sta imparando. Al termine dell’addestramento, riceverai una notifica via e-mail.
image39_2.png
Congratulazioni! Hai appena finito Allena il tuo modello di Machine Learning in progress
Recommended for you
Come valuteresti questa lezione?
Il tuo feedback ci aiuterà a migliorare costantemente le nostre lezioni.
Salva i risultati e monitora i tuoi progressi
By leaving this page you will lose all progress on your current lesson. Are you sure you want to continue and lose your progress?