问题标签 [automl]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
machine-learning - 混淆矩阵未显示在谷歌云 automl 视觉中
遵循基本快速入门时，我没有观察到 Web UI 的“评估”选项卡中的混淆矩阵：
https://cloud.google.com/vision/automl/docs/quickstart?refresh=1
应根据此文档显示混淆矩阵：
https://cloud.google.com/vision/automl/docs/evaluate
r - 在 foreach 循环中并行执行 autoML 时出现 H2O“网格：无法将新模型附加到具有不同训练输入的网格”错误
我正在尝试使用 H2O 提供的 autoML 功能并行化多个 ML 模型的训练。我正在使用的核心代码如下：
所有模型中只有一部分经过训练并保存在其文件夹中，因为在某些时候我收到以下错误：
water.exceptions.H2OIllegalArgumentException：非法参数：training_frame of function：grid：无法将新模型附加到具有不同训练输入的网格
我想在 autoML 阶段使用网格，所以我试图找到一个参数来传递，grid_id因为我可以在h2o.grid函数中执行以下操作：
但我找不到这样做的方法。我使用的 H2O 包版本是 3.24.0.2。
有什么建议吗？
machine-learning - Google Cloud AutoML 计算小时数
如果我想更快地训练模型，如何选择计算时间？更多或更少的计算时间？对于数据/模型并行性，计算时间是并行分布的，还是只是一个运行该时间量的计算节点？完成培训的标准是什么？
此页面并不明显： https ://cloud.google.com/vision/automl/pricing
此外，一个计算小时的运行速度似乎非常快（约 15 分钟）。
automl - 使用 Google AutoML Vision 分类进行增量学习
我想使用 Google AutoML 视觉 API 进行图像分类，但使用增量学习设置 - 更具体地说，我应该能够增量地提供新的训练数据，可能是全新的（和以前未知的）类标签。例如，假设我今天针对三个标签训练网络A：B和C。现在，一周后，我想添加一些标有全新类的新数据D。然后又过了一周，我想添加带有全新类标签的更新数据E。此时，模型应该能够将输入图像分类为这五个类别中的任何一个，模型中的每一个增量添加都会导致非常小的精度下降。
谷歌 AutoML 视觉 API 有可能吗？
google-colaboratory - 错误：在 Colab 上运行 automl_gs 时，文件 b'tpu_train/metadata/results.csv' 不存在：b'tpu_train/metadata/results.csv'
我遇到了这个有趣的 automl 库，并按照本指南在 Colab 上运行该模块。在我的 Colab 实例中，我有以下代码：
这会导致以下错误：
我想知道 StackOverflow 上是否有人在automl_gsColab 上尝试过这个模块并让它工作。根据指南，它应该自己创建一个文件夹tpu_*，但它正在*results.csv其他地方创建文件，如下面的屏幕截图所示。
.
任何关于如何克服这个问题的提示/建议将不胜感激！谢谢你。
google-cloud-platform - 使用 AutoML 训练模型时出现“内部”错误
我正在使用 AutoML 实体提取训练一个小型模型，但训练一直失败，并出现错误消息“INTERNAL”并且没有其他详细信息。
我是从 Google Cloud 控制台执行此操作的，并且我已按照我成功用于训练其他模型的相同步骤进行操作。
数据集有两个标签，每个标签有几百个文本项，所以我怀疑它是超时或类似的东西。
什么可能导致这种情况，有没有办法调试/获得更多可见性？
java - AutoML TfLite Android Edge 设备教程：如何解决教程代码中的 BufferOverflowException
我正在测试 Google Cloud AutoML 视觉，我已经完成了训练过程，有一个导出的边缘设备 tflite 模型，超过 10 万张图像，25 个标签。
按照这两个教程中的说明和以下存储库中的代码：https: //cloud.google.com/vision/automl/docs/edge-quickstart https://cloud.google.com/vision/automl/docs/tflite -android 教程 https://github.com/googlecodelabs/tensorflow-for-poets-2/tree/master/android/tflite
我假设问题不在于自定义 tflite 问题，而是本教程未解决的某种兼容性问题（错误或因为它已过时？）
上面 github 存储库中包含的具有预训练模型的示例应用程序无需任何更改即可工作。当我换出 tflite 包并进行教程要求的代码更改时，我遇到了 BufferOverflowException
我假设问题不在于自定义 tflite 问题，而是本教程未解决的某种兼容性问题（错误或因为它已过时？）
上面 github 存储库中包含的具有预训练模型的示例应用程序无需任何更改即可工作。当我换出 tflite 包并进行教程要求的代码更改时，我遇到了 BufferOverflowException
try/catch 块中的代码崩溃（由我添加以查看更多发生的情况）
按照上面链接中的教程的说明，导入的 tflite 模型会崩溃。
python - tpot：仅使用多输出回归器
我想使用tpot。我拥有的数据仅包括多输出连续变量（即输出形状为：（n_samples，n_output_variables），其中所有项目都是浮点数）。
这可以使用 sklearn 的MultiOutputRegressor类来实现。但是因为我有超过 100 个不同的输出变量，所以我想避免为每个单独的输出应用 tpot。
现在，如何使用 tpot 只搜索多输出模型？有没有办法告诉 tpot 只应该使用多输出模型（例如决策树）？
training-data - GCP AutoML 表：关于“最小有效行比”的训练错误
我有一个包含大约 28k 行和 40 列的时间序列财务数据的 CSV。我已经设置了一个时间列，并设置了一个目标列。当我尝试训练时，我得到“要求最小有效行比率达到 0.50 来训练模型，而得到比率 0.045313”。我不知道这意味着什么，也没有文档。我尝试从训练集中消除列，但我不断收到相同的错误。
我减少了希望找到罪魁祸首的功能列，但无济于事。
r - H2O autoML 模型的交叉验证预测
根据 h2o 文档，我可以设置keep_cross_validation_predictions = T从我的automl模型中获取交叉验证预测。
但我无法让它工作。
使用文档中的这个例子
运行模型后，我尝试了
但它都不起作用。
编辑我正在使用最新的稳定版 3.24.02