Migrer des ensembles de données AutoML vers Blaze

Firebase ML stocke vos ensembles de données d'entraînement AutoML différemment, en fonction du forfait de votre projet. Lorsque votre projet est associé au forfait Blaze, Firebase ML crée un bucket Cloud Storage dans votre projet pour stocker les données AutoML Vision Edge. Lorsque votre projet est associé au forfait Spark, Firebase ML stocke vos données AutoML Vision Edge en interne au lieu d'utiliser le Cloud Storage de votre projet.

Les fonctionnalités AutoML Vision Edge de Firebase ML sont obsolètes. Envisagez d'utiliser Vertex AI pour entraîner automatiquement des modèles de ML, que vous pouvez exporter en tant que modèles TensorFlow Lite pour une utilisation sur l'appareil ou déployer pour l'inférence basée sur le cloud.

Si vous créez un ensemble de données avec la formule Spark, puis que vous passez à la formule Blaze, votre ensemble de données sera disponible, mais restera soumis aux limites de la formule Spark (ces ensembles de données sont libellés Ensembles de données Spark dans la console Firebase). Si vous souhaitez que votre ensemble de données profite des fonctionnalités Blaze, comme les exemples d'entraînement illimités (facturés en fonction de l'utilisation du stockage), vous devrez migrer l'ensemble de données Spark vers un nouvel ensemble de données.

Pour migrer un ensemble de données :

1. Ouvrez la section AutoML de la console Firebase. (Sélectionnez votre projet lorsque vous y êtes invité.)

2. Sur l'ensemble de données que vous souhaitez migrer, cliquez sur Afficher pour ouvrir la page de détails, puis sur Exporter l'ensemble de données. Vous allez télécharger un fichier ZIP contenant les images d'entraînement et les libellés de l'ensemble de données.

3. Créez un ensemble de données en important le fichier ZIP. (Consultez Entraîner votre modèle.)