AutoML-Datasets zu Blaze migrieren

Firebase ML speichert Ihre AutoML-Trainingsdatasets je nach Preisplan Ihres Projekts unterschiedlich. Wenn für Ihr Projekt der Blaze-Preisplan gilt, erstellt Firebase ML in Ihrem Projekt einen neuen Cloud Storage-Bucket zum Speichern von AutoML Vision Edge-Daten. Wenn für Ihr Projekt der Spark-Preisplan gilt, speichert Firebase ML Ihre AutoML Vision Edge-Daten intern, anstatt die Cloud Storage Ihres Projekts zu verwenden.

Die AutoML Vision Edge-Funktionen von Firebase ML werden eingestellt. Sie können Vertex AI verwenden, um ML-Modelle automatisch zu trainieren. Diese Modelle können Sie dann entweder als TensorFlow Lite-Modelle exportieren, um sie lokal zu verwenden, oder für die cloudbasierte Inferenz bereitstellen.

Wenn Sie ein Dataset im Spark-Tarif erstellen und später auf den Blaze-Tarif umstellen, ist es weiterhin verfügbar, unterliegt aber weiterhin den Einschränkungen des Spark-Tarifs. Diese Datasets sind in der Firebase-Konsole mit dem Label Spark-Datasets gekennzeichnet. Wenn Sie die Blaze-Funktionen für Ihr Dataset nutzen möchten, z. B. unbegrenzte Trainingsbeispiele (berechnet nach Speichernutzung), müssen Sie das Spark-Dataset in ein neues Dataset migrieren.

So migrieren Sie einen Datensatz:

1. Öffnen Sie den Bereich AutoML derFirebase Console. Wählen Sie Ihr Projekt aus, wenn Sie dazu aufgefordert werden.

2. Klicken Sie bei dem Datensatz, den Sie migrieren möchten, auf Anzeigen, um die Detailseite zu öffnen, und dann auf Datensatz exportieren. Sie laden eine ZIP-Datei mit den Trainingsbildern und Labels des Datasets herunter.

3. Erstellen Sie ein neues Dataset, indem Sie die ZIP-Datei hochladen. Weitere Informationen finden Sie unter Modell trainieren.