AutoML视觉边缘

AutoML视觉边缘

使用AutoML Vision Edge从您自己的训练数据创建自定义图像分类模型。

如果要识别图像的内容，一种选择是使用ML Kit的设备上图像标签API或设备上对象检测API 。这些API使用的模型是为通用目的而构建的，并且经过训练可以识别照片中最常见的概念。

如果您需要更专业的图像标签或对象检测模型，更详细地涵盖狭窄的概念域（例如，用于区分花朵或食物类型的模型），则可以使用Firebase ML和AutoML Vision Edge进行训练具有自己的图像和类别的模型。自定义模型在Google Cloud中进行了训练，一旦模型准备就绪，它将在设备上完全使用。

图像标签入门物体检测入门

关键能力

根据您的数据训练模型	使用训练数据自动训练自定义图像标签和对象检测模型，以识别您关心的标签。
内置模型托管	使用Firebase托管模型，并在运行时加载它们。通过将模型托管在Firebase上，您可以确保用户拥有最新模型，而无需发布新的应用程序版本。 而且，当然，您也可以将模型与应用程序捆绑在一起，因此安装后即可立即使用。

在云中运行AutoML模型

这些页面仅讨论生成旨在在设备上运行的针对移动设备优化的模型。但是，对于具有数千个标签的模型或需要更高的准确性时，您可能希望在云中运行服务器优化的模型，您可以通过直接调用Cloud AutoML Vision API来执行。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，运行基于云的AutoML模型是按调用计费的。

实施路径

	汇总训练数据	将您希望模型识别的每个标签的示例数据集放在一起。
	训练新模型	在Google Cloud Console中，导入您的训练数据并使用它来训练新模型。
	在您的应用中使用模型	将模型与您的应用程序捆绑在一起，或在需要时从Firebase下载。然后，使用模型在设备上标记图像。

定价与限制

要使用AutoML Vision Edge训练自定义模型，您必须采用即付即用（Blaze）计划。

重要信息：在Spark计划中时，您不再可以使用AutoML Vision Edge训练模型。如果您以前在Spark计划中训练过模型，则仍然可以从Firebase控制台以只读模式访问训练数据和训练过的模型。如果您想保留此数据，请在2021年3月1日之前下载。

数据集	根据云存储费率计费
每个数据集的图像	1,000,000
培训时间	没有每个型号的限制

下一步

• 了解如何训练图像标签模型。
• 了解如何训练对象检测模型。