Przejdź do głównej treści
Otwórz panel
Nie wiesz, od czego zacząć? Rozwiąż krótki quiz, aby otrzymać spersonalizowane rekomendacje.
Lekcja 3 z 7
Google Cloud AutoML Vision
Hands-on Machine Learning
Czym jest uczenie maszynowe?
Przygotowanie danych
Szkolenie modelu uczenia maszynowego
Ocena i test
check_box_outline_blank Hands-on Machine Learning: Take the Quiz
Kurs
0% ukończono
5 minut aby zakończyć

Google Cloud AutoML Vision

image44_3.png
Jak skonfigurować AutoML Vision przed rozpoczęciem ćwiczenia opisanego w kursie
image44_3.png

Klasyfikowanie obrazów za pomocą uczenia maszynowego

image44_2.png

Jak wspomnieliśmy w poprzedniej lekcji, przygotowując artykuł Ziemia dotknięta trądem, agencja informacyjna Texty zastosowała dwa różne algorytmy. 

Pierwszy z nich pozwolił im podzielić fragmenty satelitarnych zdjęć lasów ukraińskich na jednolite wizualnie podsekcje. Następnie potrzebowali drugiego algorytmu, który pozwoliłby im zidentyfikować, które fragmenty tych zdjęć najbardziej przypominają przykłady wydobycia bursztynu z istniejących zdjęć. W tym przypadku należało zastosować tzw. „niestandardowy klasyfikator”.

image44_2.png

Nauka z użyciem przykładów opatrzonych etykietami

image36_2.png

Niestandardowy klasyfikator to rodzaj modelu uczenia maszynowego, który można zastosować, gdy dany przypadek wymaga sklasyfikowania zbioru badanych obrazów na podstawie wstępnie zdefiniowanych etykiet. 

W naszym przypadki etykiety te są proste: „TAK: obraz ten zawiera cechy tożsame z wzorami, które zazwyczaj są typowe dla działań wydobycia bursztynu” oraz „NIE: obraz ten nie zawiera cech, które sugerowałyby obecność działań wydobycia bursztynu”.


Możemy to osiągnąć za pomocą algorytmu Google Cloud AutoML Vision. Nauczymy się używać go do uczenia z nadzorem, tj. będziemy szkolić model uczenia maszynowego, aby stosował odpowiednie etykiety – TAK i NIE – do zbioru danych obrazów, które będziemy mu podawać.

image36_2.png

Wybór algorytmu

image16_3.png

Cytując słowa Jeremiego Merrilla z Quartz AI Studio z Skróconego kursu klasyfikowania tekstu przy użyciu uczenia maszynowego, „dla dziennikarzy nie ma większego znaczenia, który algorytm wybierzecie – wystarczy, że będzie on wykonywał właściwe zadanie”.

AutoML Vision nie jest jedynym narzędziem, które możemy wykorzystać do osiągnięcia pożądanego celu. Nie jest to nawet algorytm, którego agencja Texty użyła do swojego śledztwa. Powodem, dla którego używamy AutoML Vision w tym kursie, jest jego dostępność: nie trzeba umieć kodować, aby nauczyć się jego obsługi i wytrenować wydajny model na podstawie własnych danych.


Każdego, kto umie kodować i chciałby dowiedzieć się więcej, zapraszamy do przeczytania artykułu Practical Deep Learning for Coders na stronie fast.ai

image16_3.png

Przygotowanie konta Google Cloud

Aby skorzystać z AutoML Vision należy zarejestrować konto Google Cloud. Każdy użytkownik otrzyma po rejestracji pulę środków w ilości 300 USD na rozpoczęcie eksperymentów. Każde ćwiczenie dotyczące szkolenia modelu uczenia maszynowego, takiego jak ten opisany w tym kursie, kosztuje około 20 USD. Cały proces jest opisany poniżej, krok po kroku:


Kliknij pozycję „Try for Free” (Wypróbuj za darmo) w oknie „Get Started with Google Cloud Platform” (Rozpocznij korzystanie z platformy Google Cloud) i wykonuj polecenia, aby utworzyć konto.


Po utworzeniu konta otwórz menu nawigacji widoczne po lewej stronie strony i przejdź na sam dół, gdzie znajdziesz sekcję „Artificial Intelligence” (Sztuczna inteligencja) i pozycję „Vision” (Widzenie). Kliknij pozycję „Dashboard” (Panel sterowania).


Spowoduje to wyświetlenie przestrzeni roboczej zawierające narzędzia Google Cloud dotyczące algorytmów widzenia, w tym także ten, z którego będziemy korzystać w tym ćwiczeniu: „Image Classification” (Klasyfikacja obrazów). Kliknij „Datasets” (Zestaw danych) w menu nawigacyjnym po lewej stronie.


Następnie kliknij „Enable AutoML API” (Włącz interfejs API AutoML). Ten proces może potrwać kilka sekund. Następnie kliknij „Get Started” (Rozpocznij).


Wyświetlony ekran będzie w większości pusty, ponieważ nie zaktualizowano jeszcze żadnego zestawu danych. Zrobimy to w następnej lekcji.

Ruszamy dalej

image18_2.png

Teraz jesteśmy gotowi do użycia AutoML Vision. W dalszej części kursu nauczymy się, jak wykorzystać ten algorytm do osiągnięcia pożądanego rezultatu: przeszkolimy model uczenia maszynowego, aby rozpoznać nielegalne wydobycie bursztynu.

Kurs ten powstał we współpracy z agencją Texty i serwisem JournalismAI. Dzięki temu partnerstwu, będziemy mogli wykorzystać próbkę rzeczywistych zdjęć satelitarnych wykorzystywanych przez Texty podczas tworzenia artykułu Ziemia dotknięta trądem.


Zanim przejdziemy dalej, zachęcamy do zapoznania się z resztą oferty uczenia maszynowego oraz SI dostępnej w ramach Google Cloud, w tym m.in. usług naturalnego języka, tłumaczenia, konwersji mowy na tekst i tekstu na mowę. 

image18_2.png
Gratulacje! To już koniec. Google Cloud AutoML Vision in progress
Recommended for you
Jak oceniasz tę lekcję?
Twoja opinia pomoże nam w ciągłym udoskonalaniu naszych lekcji.
Leave and lose progress?
By leaving this page you will lose all progress on your current lesson. Are you sure you want to continue and lose your progress?