如何以编程方式训练我的Google Cloud AutoML自定义模型？

Question

我正在设置一个.NET Web应用程序以识别随机对象。我建立了一个带有约500个带标签图像的自定义模型，并能够通过REST API成功获得图像的预测。

但是我如何添加到该模型的数据集中，并使用上传/发送用于预测的新图像对其进行训练？

例如，用户上载某物的照片，而该模型无法准确预测该物是什么（例如，最高分数为<50），因此系统会提示用户选择标签进行识别，然后再进行识别将带有标签的图像添加到模型中进行训练。

Answer 1

您需要采取一些步骤：

1. 将图像文件上传到<project_id>-vcm存储桶下的Google Cloud Storage中

2. 在同一存储桶下将CSV file上载到Google Cloud Storage，内容如下：

   gs://<project_id>-vcm/<path-to-image-file>,<label>

3. 调用importData API导入CSV文件。

现在，您的数据集将使用带有标签的新图像进行更新。您可以调用create model API来训练新模型。

Answer 2

我们正在努力使这种用例变得简单，但是暂时，您将需要围绕此构建一些服务。例如，您可以创建一个GCF来接受您的请求，将其转发到CloudML Engine，将请求和响应发送到BigQuery（包括“分数”），然后返回最终响应。然后，您可以设置Cloud Composer管道，该管道将定期重新训练模型。