AutoML Vision Edge

AutoML Vision Edge

透過 AutoML Vision Edge，根據訓練資料建立自訂圖片分類模型。

如要辨識圖片內容，其中一個選項是使用 ML Kit 裝置端圖片標籤 API 或裝置端物件偵測 API。 這些 API 使用的模型是專為一般用途而建構， 辨識相片中最常見的概念。

如需更專業的圖片標籤或物件偵測模型，請涵蓋範圍較小的網域 例如模型 例如不同的花朵或食物類型，您可以使用 Firebase ML 和 AutoML Vision Edge 使用自己的圖片和類別訓練模型。自訂範本 模型在 Google Cloud 中完成訓練 應用程式。

Firebase ML 的 AutoML Vision Edge 功能已淘汰。建議做法 Vertex AI 自動訓練機器學習模型 匯出為 TensorFlow 精簡模式：在裝置端使用 在雲端式架構中部署 推論

取得 一開始先為圖片加上標籤 取得 物件偵測問世

主要功能

根據資料訓練模型	自動訓練自訂圖片標籤和物件偵測模型， 辨識您關注的標籤
內建模型託管	使用 Firebase 代管模型，並在執行階段載入模型。變更者： 在 Firebase 上託管模型，可確保使用者 不必發布新應用程式版本 當然，你也可以將模型與應用程式搭配使用 安裝時立即顯示。

在雲端執行 AutoML 模型

這些網頁只說明如何產生專為執行行動裝置最佳化的模型 在裝置上。但如果模型有許多標籤 需要大幅提高準確度 改為在雲端部署伺服器最佳化模型，只要呼叫 Cloud AutoML Vision API詳情請見 製作 線上預測

請注意，與在裝置上執行 AutoML Vision Edge 模型的方式不同 雲端式 AutoML 模型是按每次叫用計費。

實作路徑

	組合訓練資料	將您要模型處理的每個標籤範例彙整成資料集 辨識。
	訓練新模型	在 Google Cloud 控制台中匯入訓練資料，並使用這些資料訓練 建立新的模型
	在應用程式中使用模型	將模型與應用程式搭配使用，或是在下列情況下從 Firebase 下載模型： 不需要提示然後使用這個模型為裝置上的圖片加上標籤。

定價與限制

如要透過 AutoML Vision Edge 訓練自訂模型，請務必採用即付即用方案 (Blaze) 計畫。

重要事項： 您將無法在 Spark 方案。如果您先前在使用 Spark 方案時訓練模型， 仍可從 Firebase 控制台進入唯讀模式。如要保留這些資料，請下載 。

資料集	收費依據： Cloud Storage 費率
每個資料集的圖片數	1,000,000
訓練時數	沒有個別模型的限制

後續步驟

• 瞭解如何訓練圖片標籤模型。
• 瞭解如何訓練物件偵測模型。