AutoML Vision Edge

AutoML Vision Edge

使用 AutoML Vision Edge，根据您自己的训练数据创建自定义图片分类模型。

如果要识别图片的内容，可以选择使用机器学习套件的设备端图片标签 API 或设备端对象检测 API。这些 API 使用的模型是通用模型，这些模型经过训练可识别照片中最常见的概念。

如果您需要为更加细化的概念领域使用更具针对性的图片标签模型或对象检测模型（例如，区分花卉种类或食品类型的模型），可以改用自己训练的模型，即借助 Firebase ML 和 AutoML Vision Edge 使用自己的图片和类别来训练模型。自定义模型在 Google Cloud 中进行训练，准备就绪后，即可完全在设备上使用。

Firebase ML 的 AutoML Vision Edge 功能已弃用。考虑使用 Vertex AI 自动训练机器学习模型，您可以将这些模型导出为 TensorFlow Lite 模型供设备端使用或进行部署以用于云端推断。

开始使用图片标签 开始使用对象检测

主要功能

根据您的数据训练模型	使用您的训练数据自动训练自定义图片标签和对象检测模型，以识别您关注的标签。
内置模型托管	使用 Firebase 托管您的模型，并在运行时加载它们。通过在 Firebase 上托管模型，您可以在不发布新应用版本的情况下确保用户拥有最新的模型。 当然，您也可以将模型与应用捆绑在一起，使其在安装后立即可用。

在云端运行 AutoML 模型

这些页面仅讨论了生成针对移动设备进行了优化的模型，此类模型适合在移动设备上运行。但是，对于具有数千个标签的模型或要求大幅提高准确率时，您可能需要在云端运行针对服务器进行了优化的模型，您可以通过直接调用 Cloud AutoML Vision API 来执行此操作。请参阅进行在线预测。

请注意，与在设备上运行 AutoML Vision Edge 模型不同，运行云端 AutoML 模型时，系统会对每次调用进行计费。

实现流程

	整理训练数据	汇总您希望模型识别的每个标签的示例数据集。
	训练新模型	在 Google Cloud 控制台中，导入您的训练数据并使用这些数据训练新模型。
	在应用中使用该模型	将模型与您的应用捆绑在一起，或在需要时从 Firebase 下载该模型。然后，使用该模型在设备上给图片加标签。

价格和限制

如需使用 AutoML Vision Edge 训练自定义模型，您必须采用随用随付 (Blaze) 方案。

重要提示：使用 Spark 方案时，您无法再使用 AutoML Vision Edge 训练模型。如果您之前曾在使用 Spark 方案的同时训练了模型，您仍可通过 Firebase 控制台以只读模式访问训练数据和经过训练的模型。如果您希望保留这些数据，请在 2021 年 3 月 1 日之前下载。

数据集	根据 Cloud Storage 费率计费
每个数据集的图片数	100 万
训练时长	没有模型级别的限制

后续步骤

• 了解如何训练图片标签模型。
• 了解如何训练对象检测模型。