标签: google-cloud-automl

AutoML看起来很棒。一个大问题是-我们可以导出经过训练的模型以进行离线推理，例如使用tensorflow或tensoflow lite吗？

我正在尝试训练一个模型来识别图像中的某些标签。我尝试使用 1 小时免费版本，一小时后培训结束。结果并不像我想要的那么准确，所以我冒险选择了没有定义训练模型的具体时间限制的选项。

此时，它显示“训练视觉分类模型”和“训练可能需要 15 分钟到几个小时或更长时间，具体取决于分配的计算时间。同时，您可以关闭此窗口。训练完成后您将收到电子邮件.”

它已经运行了超过 24 小时。谷歌每训练小时收费 20 美元，所以我想知道是否有办法查看完全训练模型需要多长时间。

我正在使用只有单个标签的 2594 张图像。

我知道 Google AutoML Vision 仍处于测试阶段，但此时，无法知道此培训将持续多长时间。我有严格的预算，所以如果超过时间我会停止培训——但我仍然想知道它是否接近完成。

我已经使用 Google Cloud Vision 一段时间了，它运行良好。

但是今天我登录并尝试访问我的数据集，我看到它已被删除，我所有的数据集都不见了。

所以我尝试创建一个新的数据集，但它不会让我将图像上传到数据集。

我试过了：

• 上传图像的 zip 文件

• 上传单个图像

• 创建新帐户、新项目、新数据集

所有这些都失败了，出现同样模糊的错误：“无法导入数据”

还有其他人在使用 Google Cloud 时遇到问题吗？

非常感谢您的帮助。

我使用的是从 Google AutoML Vision 导出的分类模型，因此我只有一个saved_model.pb而没有变量、检查点等。我想将此模型图加载到本地 TensorFlow 安装中，将其用于推理并继续使用更多图片进行训练。

主要问题：

• 这个计划是否可行，即使用saved_model.pb没有变量、检查点等的单一计划并用新数据训练结果图？

• 如果是：您如何(?,)使用编码为字符串的图像获得输入形状？

• 理想情况下，展望未来：培训部分有什么需要考虑的重要事项吗？

关于代码的背景信息：

• 为了读取图像，我使用与使用 Docker 容器进行推理时相同的方法，因此使用 base64 编码的图像。

• 为了加载图表，我通过 CLI ( saved_model_cli show --dir input/model)检查了图表需要的标签集，即serve.

• 为了让我使用输入张量的名字graph.get_operations()，这让我Placeholder:0对image_bytes并Placeholder:1_0为关键（任意的字符串识别图像）。两者都有维度dim -1

import tensorflow as tf
import numpy as np
import base64

path_img = "input/testimage.jpg"
path_mdl = "input/model"

# input to network expected to be base64 encoded image
with io.open(path_img, 'rb') as image_file:
    encoded_image = base64.b64encode(image_file.read()).decode('utf-8') …

我正在尝试实现 google automl api： https: //cloud.google.com/automl-tables/docs/predict

api 文档说我需要以以下格式发布数据：

{
  "payload": {
    "row": {
     "values": [value1, value2,...]
         }
      }
}

但是当我以相同格式发布数据时，出现以下错误：

{
  "error": {
    "code": 400,
    "message": "Invalid JSON payload received. Unknown name \"row\" at 'payload': Cannot find field.",
    "status": "INVALID_ARGUMENT",
    "details": [
      {
    "@type": "type.googleapis.com/google.rpc.BadRequest",
    "fieldViolations": [
      {
        "field": "payload",
        "description": "Invalid JSON payload received. Unknown name \"row\" at 'payload': Cannot find field."
      }
    ]
      }
    ]
  }
}

这是我的卷曲请求：

curl --location --request POST 'https://automl.googleapis.com/v1/projects/project-id/locations/us-central1/models/TBLID:predict' \
--header 'Content-Type: application/json; charset=utf-8;' …

Google Cloud AutoML 有用于检测的 python 示例代码，但我在导入这些模块时出错

from google.cloud import automl_v1beta1
from google.cloud.automl_v1beta1.proto import service_pb2

它说cannot import name automl_v1beta1。我知道这是一个常见问题，互联网上有很多解决方案，但到目前为止没有任何效果。我正在使用 Windows 10 并在 Anaconda 环境中运行 python 2.7。

我尝试了这些，但没有任何效果：

conda install -c conda-forge google-cloud-sdk
conda install -c conda-forge google-cloud-storage 
python -m pip install google-cloud
pip install google-cloud-automl

按照入门教程“训练表格模型”，我在使用部署的端点测试模型的步骤中收到以下错误。（如图所示）。

用于训练模型的数据集由谷歌教程在此云位置提供： cloud-ml-tables-data/bank-marketing.csv

错误信息 ：

由于以下错误，预测未成功：部署的模型 xxxxx 不支持解释。

官方 Vertex 教程（表格数据）

我相信的是旧版本的教程（不在顶点）但几乎相同

我使用了 gcp 中的 AutoMl Vision api 并使用我的自定义数据集对其进行了训练。我能够预测 GCP 控制台的数据，但无法存储预测的输出。为了存储预测数据输出并使用我的本地数据进行预测，我尝试了作为 API 一部分提供的 Python 代码，该代码接受图像文件内容、项目名称和存储桶名称，但是当我尝试运行它时显示我的错误：google.api_core.exceptions.PermissionDenied: 403 The caller does not have permission cloud sdk 错误输出

我一直在使用 AutoML Vision Edge 执行一些图像分类任务，在以 TFLite 格式导出模型时取得了很好的效果。但是，我只是尝试导出saved_model.pb 文件并使用Tensorflow 2.0 运行它，似乎遇到了一些问题。

代码片段：

import numpy as np
import tensorflow as tf
import cv2

from tensorflow import keras

my_model = tf.keras.models.load_model('saved_model')
print(my_model)
print(my_model.summary())

“saved_model”是包含我下载的saved_model.pb 文件的目录。这是我所看到的：

2019-10-18 23:29:08.801647: I tensorflow/core/platform/cpu_feature_guard.cc:142] 您的 CPU 支持该 TensorFlow 二进制文件未编译使用的指令：AVX2 FMA 2019-10-18 23:29:08.829010 : I tensorflow/compiler/xla/service/service.cc:168] XLA 服务 0x7ffc2d717510 在平台主机上执行计算。设备：2019-10-18 23:29:08.829038：I tensorflow/compiler/xla/service/service.cc:175] StreamExecutor 设备（0）：主机，默认版本回溯（最近一次调用）：文件“classify_in_out_tf2. py", line 81, in print(my_model.summary()) AttributeError: 'AutoTrackable' object has no attribute 'summary'

我不确定这是否与我导出模型的方式或加载模型的代码有关，或者这些模型是否与 Tensorflow 2.0 或某些组合不兼容。

任何帮助将不胜感激！

我已经创建了 google 指定的 Jsonl 文件和格式。我将文件上传到云存储。

我准备了一个 CSV 文件，第一列有 Jsonl 文件的路径（gs://*example/file.jsonl），第二列有“TRAIN”或“VALIDATE”或“TEST”。

我收到一条错误消息“找不到引用的文件：请求中的 TRAIN”。

如何准备 CSV 文件？

我正在查看 Google AutoML Vision API 和 Google Vision API。我知道，如果您使用 Google AutoML Vision API，那么它就是一个自定义模型，因为您可以根据自己的图像训练 ML 模型并定义自己的标签。当使用 Google Vision API 时，您正在使用预训练的模型......

但是，我想知道是否可以使用我自己的算法（我创建的算法，而不是由 Google 提供的算法）并将其与 Vision / AutoML Vision API 一起使用？...