विषय

• अपने डेटासेट तैयार करना
• अपने Google क्लाउड प्लेटफ़ॉर्म नि: शुल्क परीक्षण का दावा करें
• एक नया GCP प्रोजेक्ट बनाएं
• क्लाउड ऑटोएमएल और स्टोरेज एपीआई को सक्षम करें
• क्लाउड स्टोरेज बकेट बनाएं
• ट्रेन का समय: अपने डेटासेट का निर्माण
• अपने मशीन लर्निंग मॉडल को प्रशिक्षित करना
• आपका मॉडल कितना सही है?
• अपने मॉडल को परीक्षण के लिए रखो!
• समेट रहा हु

मशीन लर्निंग (ML) खुद को सिखाने वाले कंप्यूटरों की Sci-Fi साउंडिंग अवधारणा है। एमएल में, आप उस सामग्री के प्रकार का प्रतिनिधित्व करने वाले कुछ डेटा की आपूर्ति करते हैं जो आप चाहते हैं कि मशीन सीखने का मॉडल स्वचालित रूप से संसाधित हो, और फिर मॉडल उस डेटा के आधार पर खुद को सिखाता है।

मशीन लर्निंग अत्याधुनिक हो सकती है, लेकिन इसमें ए भी है विशाल प्रवेश में रुकावट। यदि आप किसी भी प्रकार के ML का उपयोग करना चाहते हैं, तो आपको आमतौर पर एक मशीन सीखने के विशेषज्ञ या एक डेटा वैज्ञानिक को नियुक्त करने की आवश्यकता होगी, और ये दोनों पेशे वर्तमान में बहुत अधिक मांग में हैं!

Google का क्लाउड ऑटोएमएल विज़न एक नई मशीन लर्निंग सेवा है जिसका उद्देश्य मशीन लर्निंग मॉडल बनाना संभव है, भले ही आपके पास शून्य एमएल अनुभव हो, उसे लोगों तक पहुंचाना है। क्लाउड ऑटोएमएल विज़न का उपयोग करके, आप एक छवि पहचान मॉडल बना सकते हैं जो तस्वीरों में सामग्री और पैटर्न की पहचान करने में सक्षम है, और फिर बाद में स्वचालित रूप से छवियों को संसाधित करने के लिए इस मॉडल का उपयोग करें।

इस तरह के दृश्य-आधारित एमएल का उपयोग विभिन्न तरीकों से किया जा सकता है। एक ऐप बनाना चाहते हैं जो लैंडमार्क, उत्पाद या बारकोड के बारे में जानकारी प्रदान करता है, जो उपयोगकर्ता अपने स्मार्टफोन पर इंगित कर रहा है? या क्या आप एक शक्तिशाली खोज प्रणाली बनाना चाहते हैं जो उपयोगकर्ताओं को सामग्री, रंग, या शैली जैसे कारकों के आधार पर हजारों उत्पादों को फ़िल्टर करने की अनुमति देता है? तेजी से, मशीन लर्निंग इस तरह की कार्यक्षमता को वितरित करने के सबसे प्रभावी तरीकों में से एक है।

यद्यपि यह अभी भी बीटा में है, आप पहले से ही कस्टम ऑटो लर्निंग मॉडल बनाने के लिए क्लाउड ऑटोएमएल विज़न का उपयोग कर सकते हैं जो फोटो में पैटर्न और सामग्री की पहचान करते हैं। यदि आप यह जानने के लिए उत्सुक हैं कि सभी मशीन लर्निंग बज़ किस बारे में हैं, तो इस लेख में मैं आपको दिखाऊंगा कि कैसे आप अपनी स्वयं की छवि पहचान मॉडल का निर्माण करें, और फिर इसका उपयोग करके स्वचालित रूप से नई फ़ोटो संसाधित करें।

अपने डेटासेट तैयार करना

क्लाउड ऑटोएमएल के साथ काम करते समय, आप अपने डेटासेट के रूप में लेबल फ़ोटो का उपयोग नहीं करेंगे। आप अपनी पसंद के किसी भी फ़ोटो या लेबल का उपयोग कर सकते हैं, लेकिन इस ट्यूटोरियल को सीधा रखने में मदद करने के लिए मैं एक सरल मॉडल बनाऊंगा जो कुत्तों की तस्वीरों और बिल्लियों की तस्वीरों के बीच अंतर कर सकता है।

आपके मॉडल की बारीकियां जो भी हों, पहला कदम कुछ उपयुक्त तस्वीरों का स्रोत है!

क्लाउड ऑटोएमएल विज़न में प्रति लेबल कम से कम 10 छवियों या उन्नत मॉडल के लिए 50 की आवश्यकता होती है, उदाहरण के लिए मॉडल जहां वे प्रति छवि कई लेबल होंगे। हालाँकि, जितना अधिक डेटा आप प्रदान करते हैं, बाद की सामग्री को सही ढंग से पहचानने के लिए मॉडल की संभावना उतनी ही अधिक होती है, इसलिए AutoML विज़न डॉक्स आपके द्वारा उपयोग किए जाने की सलाह देते हैं कम से कम प्रति मॉडल 100 उदाहरण। आपको प्रति लेबल लगभग एक ही उदाहरण प्रदान करना चाहिए, क्योंकि एक अनुचित वितरण मॉडल को "सबसे लोकप्रिय" श्रेणी के प्रति पूर्वाग्रह दिखाने के लिए प्रोत्साहित करेगा।

सर्वोत्तम परिणामों के लिए, आपके प्रशिक्षण चित्रों को उन छवियों की विविधता का प्रतिनिधित्व करना चाहिए जो इस मॉडल का सामना करेंगे, उदाहरण के लिए आपको विभिन्न कोणों पर ली गई छवियों को उच्च और निम्न संकल्पों पर और विभिन्न पृष्ठभूमि के साथ शामिल करना पड़ सकता है। AutoML विज़न निम्न स्वरूपों में छवियों को स्वीकार करता है: JPEG, PNG, WEBP, GIF, BMP, TIFF, और ICO, अधिकतम फ़ाइल आकार 30MB के साथ।

चूंकि हम केवल क्लाउड ऑटोएमएल विज़न सेवा के साथ प्रयोग कर रहे हैं, इसलिए संभावना है कि आप जल्द से जल्द और आसानी से डेटासेट बनाना चाहते हैं। चीजों को सरल रखने में मदद करने के लिए, मैं Pexels से कुत्तों और बिल्लियों के मुफ्त स्टॉक फ़ोटो का एक गुच्छा डाउनलोड करूँगा, और फिर अलग-अलग फ़ोल्डरों में बिल्ली और कुत्ते की फ़ोटो संग्रहीत करूँगा, क्योंकि इससे बाद में इन फ़ोटो को अपलोड करना आसान हो जाएगा।

ध्यान दें कि उत्पादन में उपयोग करने के लिए डेटासेट का निर्माण करते समय, आपको पूर्वाग्रही उपचार को रोकने में मदद करने के लिए जिम्मेदार एआई प्रैक्टिस को ध्यान में रखना चाहिए। इस विषय पर अधिक जानकारी के लिए, Google के समावेशी एमएल गाइड और जिम्मेदार एआई प्रैक्टिस दस्तावेज़ देखें।

अपने डेटा को AutoMl विजन पर अपलोड करने के तीन तरीके हैं:

• आपके लेबल के अनुरूप फ़ोल्डर में पहले से छाई हुई छवियों को अपलोड करें।
• CSV फ़ाइल आयात करें जिसमें चित्र हों, साथ ही उनके संबंधित श्रेणी लेबल भी हों। आप इन तस्वीरों को अपने स्थानीय कंप्यूटर या Google क्लाउड स्टोरेज से अपलोड कर सकते हैं।
• Google क्लाउड ऑटोएमएल विज़न यूआई का उपयोग करके अपनी छवियों को अपलोड करें, और फिर प्रत्येक छवि पर लेबल लागू करें। इस पद्धति का उपयोग मैं इस ट्यूटोरियल में करूंगा।

अपने Google क्लाउड प्लेटफ़ॉर्म नि: शुल्क परीक्षण का दावा करें

क्लाउड ऑटोएमएल विज़न का उपयोग करने के लिए, आपको Google क्लाउड प्लेटफ़ॉर्म (GCP) खाते की आवश्यकता होगी। यदि आपके पास कोई खाता नहीं है, तो आप 12 घंटे के निशुल्क परीक्षण के लिए साइन अप कर सकते हैं, मुफ्त पेज के लिए क्लाउड क्लाउड प्लेटफ़ॉर्म पर जा सकते हैं, और फिर निर्देशों का पालन कर सकते हैं। आप मर्जी अपने डेबिट या क्रेडिट कार्ड के विवरण दर्ज करने की आवश्यकता है, लेकिन फ्री टियर FAQ के अनुसार, ये सिर्फ आपकी पहचान को सत्यापित करने के लिए उपयोग किए जाते हैं और जब तक आप भुगतान किए गए खाते में नहीं जाते हैं, तब तक आपसे शुल्क नहीं लिया जाएगा।

दूसरी आवश्यकता, यह है कि आप अपने ऑटोएमएल प्रोजेक्ट के लिए बिलिंग सक्षम करें। यदि आपने केवल एक निशुल्क परीक्षण के लिए साइन अप किया है, या आपके पास अपने GPC खाते से जुड़ी कोई बिलिंग जानकारी नहीं है, तो:

• GCP कंसोल पर प्रमुख।
• नेविगेशन मेनू (स्क्रीन के ऊपरी-बाएँ कोने में पंक्तिबद्ध आइकन) खोलें।
• "बिलिंग" चुनें।
• "मेरा बिलिंग" ड्रॉपडाउन मेनू खोलें, उसके बाद "बिलिंग खातों को प्रबंधित करें"।
• "खाता बनाएं" चुनें और फिर बिलिंग प्रोफ़ाइल बनाने के लिए ऑनस्क्रीन निर्देशों का पालन करें।

एक नया GCP प्रोजेक्ट बनाएं

अब आप अपना पहला क्लाउड ऑटोएमएल विज़न प्रोजेक्ट बनाने के लिए तैयार हैं:

• संसाधनों के प्रबंधन पृष्ठ पर जाएं।
• "प्रोजेक्ट बनाएं" पर क्लिक करें।
• अपनी परियोजना को एक नाम दें, और फिर "बनाएं" पर क्लिक करें।

यदि आपके पास कई बिलिंग खाते हैं, तो जीसीपी को पूछना चाहिए कि आप इस परियोजना से किस खाते को जोड़ना चाहते हैं। यदि आपके पास एक ही बिलिंग खाता है तथा यदि आप बिलिंग व्यवस्थापक हैं, तो यह खाता स्वचालित रूप से आपकी परियोजना से जुड़ जाएगा।

वैकल्पिक रूप से, आप मैन्युअल रूप से बिलिंग खाते का चयन कर सकते हैं:

• GCP कंसोल का नेविगेशन मेनू खोलें, और फिर "बिलिंग" चुनें।
• "एक बिलिंग खाते को लिंक करें" चुनें।
• "खाता सेट करें" चुनें और फिर उस बिलिंग खाते को चुनें जिसे आप इस परियोजना के साथ जोड़ना चाहते हैं।

क्लाउड ऑटोएमएल और स्टोरेज एपीआई को सक्षम करें

अपना मॉडल बनाते समय, आप अपनी सभी प्रशिक्षण छवियों को क्लाउड स्टोरेज बाल्टी में संग्रहीत करेंगे, इसलिए हमें AutoML को सक्षम करना होगा तथा Google क्लाउड संग्रहण API:

• GCP नेविगेशन मेनू खोलें और "API और सेवाएँ> डैशबोर्ड" चुनें।
• "API और सेवाएँ सक्षम करें" पर क्लिक करें।
• "क्लाउड ऑटोएमएल एपीआई" टाइप करना शुरू करें और फिर दिखाई देने पर इसका चयन करें।
• "सक्षम करें" चुनें।
• "API और सेवाएँ> डैशबोर्ड> सक्षम API और सेवाएँ" स्क्रीन पर वापस जाएं।
• "Google क्लाउड संग्रहण" लिखना प्रारंभ करें और जब यह दिखाई दे तो इसे चुनें।
• "सक्षम करें" चुनें।

क्लाउड स्टोरेज बकेट बनाएं

हम क्लाउड शेल का उपयोग करके अपने क्लाउड स्टोरेज बाल्टी का निर्माण करेंगे, जो एक ऑनलाइन, लिनक्स-आधारित वर्चुअल मशीन है:

• हेडर बार (जहाँ कर्सर निम्नलिखित स्क्रीनशॉट में तैनात है) से "Google क्लाउड शेल सक्रिय करें" आइकन का चयन करें।

• अब क्लाउड शैल सत्र कंसोल के नीचे खुल जाएगा। Google क्लाउड शेल आपके प्रोजेक्ट से कनेक्ट होने के दौरान प्रतीक्षा करें।
• Google क्लाउड शेल में निम्न कमांड को कॉपी / पेस्ट करें:

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

• अपने कीबोर्ड पर "एंटर" कुंजी दबाएं।
• Google क्लाउड शेल में अगले कमांड को कॉपी / पेस्ट करें:

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

• "एंटर" कुंजी दबाएं।
• निम्नलिखित आदेश को कॉपी / पेस्ट करके, और फिर "एंटर" कुंजी दबाकर, अपने Google क्लाउड संसाधनों तक पहुँचने के लिए ऑटोएमएल सेवा की अनुमति प्रदान करें:

PROJECT = $ (gcloud config get-value project) gcloud प्रोजेक्ट्स ऐड-आईम-पॉलिसी-बाइंडिंग $ PROJECT --member = "serviceAccount: [email protected] --role =" रोल्स / एमएल। व्यवस्थापन "gcloud प्रोजेक्ट्स ऐड-इम-पॉलिसी-बाइंडिंग $ PROJECT --member =" serviceAccount: [email protected] " --role =" रोल्स / स्टोरेज .admin

ट्रेन का समय: अपने डेटासेट का निर्माण

इस सेटअप के साथ, हम अब अपने डेटासेट अपलोड करने के लिए तैयार हैं! इसमें शामिल है:

1. एक खाली डेटासेट बनाना।
2. डेटासेट में फ़ोटो आयात करना।
3. प्रत्येक तस्वीर के लिए कम से कम एक लेबल असाइन करना। AutoML विज़न किसी भी फ़ोटो को पूरी तरह से अनदेखा कर देगा, जिसमें लेबल नहीं है।

लेबलिंग प्रक्रिया को आसान बनाने के लिए, मैं बिल्ली की तस्वीरों से निपटने से पहले अपने सभी डॉग फोटो अपलोड और लेबल करने जा रहा हूं:

• ऑटोएमएल विज़न यूआई (अभी भी लेखन के समय बीटा में) पर सिर।
• "नया डेटासेट" चुनें।
• अपने डेटासेट को एक वर्णनात्मक नाम दें।
• "फ़ाइलों का चयन करें" पर क्लिक करें।
• बाद की विंडो में, अपने सभी कुत्ते के फोटो का चयन करें, और फिर "ओपन" पर क्लिक करें।
• चूंकि हमारी छवियों में एक से अधिक लेबल नहीं हैं, इसलिए हम "बहु-लेबल वर्गीकरण सक्षम करें" को रद्द कर सकते हैं। "डेटासैट बनाएँ" पर क्लिक करें।

अपलोड पूरा होने के बाद, क्लाउड ऑटोएमएल विज़न यूआई आपको आपकी सभी छवियों वाली स्क्रीन पर ले जाएगा, साथ ही इस डेटासेट पर लागू किसी भी लेबल का टूटना।

चूंकि हमारे डेटासेट में वर्तमान में केवल कुत्तों के चित्र हैं, हम उन्हें लेबल कर सकते हैं:

• बाएं हाथ के मेनू में, "लेबल जोड़ें" चुनें।
• "कुत्ता" टाइप करें और फिर अपने कीबोर्ड पर "एंटर" कुंजी दबाएं।
• "सभी छवियों का चयन करें" पर क्लिक करें।
• "लेबल" ड्रॉपडाउन खोलें, और "कुत्ता" चुनें।

अब हमने अपने सभी कुत्ते के फ़ोटो को लेबल कर दिया है, बिल्ली की तस्वीरों को स्थानांतरित करने का समय है:

• हेडर बार से "चित्र जोड़ें" चुनें।
• "अपने कंप्यूटर से अपलोड करें" चुनें।
• अपनी सभी कैट फ़ोटो चुनें, और फिर "ओपन" पर क्लिक करें।
• बाएं हाथ के मेनू में, "लेबल जोड़ें" चुनें।
• "बिल्ली" टाइप करें और फिर अपने कीबोर्ड पर "एंटर" कुंजी दबाएं।
• छवि पर मँडरा करके और फिर दिखाई देने पर छोटे चेकमार्क आइकन पर क्लिक करके, प्रत्येक कैट फ़ोटो को चुनें और चुनें।
• "लेबल" ड्रॉपडाउन खोलें, और "कैट" चुनें।

अपने मशीन लर्निंग मॉडल को प्रशिक्षित करना

अब हमारे पास अपना डेटासेट है, हमारे मॉडल को प्रशिक्षित करने का समय है! आप एक प्राप्त करते हैं गणना करना प्रति माह 10 मॉडल तक प्रति घंटे मुफ्त प्रशिक्षण, जो आंतरिक गणना उपयोग का प्रतिनिधित्व करता है, और इसलिए घड़ी पर एक वास्तविक घंटे के लिए सहसंबंधी नहीं हो सकता है।

अपने मॉडल को प्रशिक्षित करने के लिए, बस:

• AutoML विज़न UI का "ट्रेन" टैब चुनें।
• "प्रशिक्षण प्रारंभ करें" पर क्लिक करें।

आपके मॉडल को प्रशिक्षित करने के लिए क्लाउड ऑटोएमएल विज़न के समय को आपके द्वारा प्रदान किए गए डेटा की मात्रा के आधार पर अलग-अलग किया जाएगा, हालांकि आधिकारिक डॉक्स के अनुसार इसे लगभग 10 मिनट लगना चाहिए। एक बार जब आपका मॉडल प्रशिक्षित हो जाता है, तो क्लाउड ऑटोएमएल विज़न इसे स्वचालित रूप से तैनात करेगा, और आपको एक ईमेल भेजकर सूचित करेगा कि आपका मॉडल अब उपयोग करने के लिए तैयार है।

आपका मॉडल कितना सही है?

अपने मॉडल को परीक्षण में लाने से पहले, आप कुछ ट्वीक करना चाहते हैं, यह सुनिश्चित करने के लिए कि इसकी भविष्यवाणियां यथासंभव सटीक हैं।

"मूल्यांकन करें" टैब चुनें, और फिर बाएं हाथ के मेनू से अपने किसी एक फ़िल्टर का चयन करें।

इस बिंदु पर, AutoML विज़न UI इस लेबल के लिए निम्नलिखित जानकारी प्रदर्शित करेगा:

• स्कोर की दहलीज। यह उस मॉडल का आत्मविश्वास का स्तर है जो एक नई तस्वीर को लेबल असाइन करने के लिए होना चाहिए। साथ-साथ सटीक-रिकॉल ग्राफ़ में परिणामों की निगरानी करके, आप अपने डेटासेट पर विभिन्न थ्रेसहोल्ड के प्रभाव का परीक्षण करने के लिए इस स्लाइडर का उपयोग कर सकते हैं। लोअर थ्रेसहोल्ड का मतलब है कि आपका मॉडल अधिक छवियों को वर्गीकृत करेगा, लेकिन इससे तस्वीरों के गलत होने का खतरा बढ़ जाता है। यदि थ्रेशोल्ड अधिक है, तो आपका मॉडल कम छवियों को वर्गीकृत करेगा, लेकिन यह कम छवियों को भी गलत पहचानना चाहिए।
• औसत परिशुद्धता। यह है कि 1.0 से अधिकतम स्कोर के साथ आपका मॉडल सभी स्कोर थ्रेसहोल्ड में कितना अच्छा प्रदर्शन करता है।
• प्रेसिजन। उच्च परिशुद्धता, कम झूठी सकारात्मक जो आपको मुठभेड़ करनी चाहिए, जहां मॉडल छवि पर गलत लेबल लागू करता है। एक उच्च-सटीक मॉडल केवल सबसे प्रासंगिक उदाहरणों को लेबल करेगा।
• याद। उन सभी उदाहरणों में से जिन्हें एक लेबल सौंपा जाना चाहिए था, याद करते हुए हमें बताता है कि उनमें से कितने को वास्तव में एक लेबल सौंपा गया था। रिकॉल प्रतिशत जितना अधिक होगा, उतने कम झूठे नकारात्मक को सामना करना चाहिए, जो कि मॉडल को एक छवि लेबल करने में विफल रहता है।

अपने मॉडल को परीक्षण के लिए रखो!

अब मजेदार हिस्सा आता है: यह जाँचना कि क्या आपका मॉडल यह पहचान सकता है कि तस्वीर में कुत्ता या बिल्ली है या नहीं, यह डेटा के आधार पर एक भविष्यवाणी पैदा करता है, जिसे उसने पहले नहीं देखा है।

• फोटो खींचो कि नहीं था अपने मूल डेटासेट में शामिल।
• AutoML विज़न कंसोल में, "प्रीडिक्ट" टैब चुनें।
• "चित्र अपलोड करें" चुनें।
• उस छवि को चुनें जिसे आप AutoML विज़न का विश्लेषण करना चाहते हैं।
• कुछ क्षणों के बाद, आपका मॉडल अपनी भविष्यवाणी कर देगा - उम्मीद है, यह सही है!

ध्यान दें कि जबकि क्लाउड ऑटोएमएल दृष्टि बीटा में है, आपके मॉडल के साथ वार्मअप में देरी हो सकती है। यदि आपका अनुरोध त्रुटि देता है, तो फिर से प्रयास करने से पहले कुछ सेकंड प्रतीक्षा करें।

समेट रहा हु

इस लेख में, हमने देखा कि आप कस्टम लर्निंग मॉडल को प्रशिक्षित करने और तैनात करने के लिए क्लाउड ऑटोएमएल विजन का उपयोग कैसे कर सकते हैं। क्या आपको लगता है कि ऑटोएमएल जैसे उपकरण मशीन लर्निंग का उपयोग करके अधिक लोगों को प्राप्त करने की क्षमता रखते हैं? नीचे टिप्पणी करके हमें बताएं!