问题标签 [google-cloud-automl]

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）。

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？

此问题与 AutoML for Video Intelligence（自定义标签）有关。

设置训练数据时，系统会指示您仅标记带有自定义标签的视频（而不是没有该标签的视频）。模型如何训练以识别自定义标签的真阴性？

我已经在 Google Auto-ML 上训练了一个模型。我希望将它与我构建的其他自定义模型一起使用，因此我需要在 AutoML 中以冻结图或保存模型格式训练的模型。任何方向将不胜感激。

我有一个用例，使用 autoML 表来训练模型以进行多标签分类。创建数据集时我没有看到这个选项。是否支持？

我想开发一个类似聊天机器人的应用程序，它可以使用 Google Cloud Platform 对输入问题做出响应。

自然，Dialogflow 适合此类应用程序。但由于业务条件，我无法使用 Dialogflow。

一种替代方法可能是 AutoML 自然语言，我不需要太多机器学习专业知识。

AutoML 自然语言需要带有标签的文档。这些文档可用于训练模型。

我的示例文档：

我会为此文档使用诸如 Switzerland_Cost 之类的标签。

现在，在我的应用程序中，我将在标签和响应之间进行映射。

在预测期间，当我向训练好的模型提出输入问题时，我会得到一个预测标签。然后我可以使用这个标签来返回映射的响应。

有更好的方法来解决我的情况吗？

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？

我已经在 Google auto ml 中训练了我的数据集。现在我想传递一个带有文本项的 CSV 来预测它的标签。不知道如何进行

已通过 17k 个带有标签的文本项。

已经看到要执行的其余 API 和 python 代码。

我正在尝试将预测请求作为 JSON 发送到在 docker 容器上运行的 AutoML 模型的 docker 映像。我已从 AutoML UI 导出图像并将其存储在 Google Cloud Storage 中。

我正在运行以下命令来启动 docker 映像。

当我运行此命令时，我收到以下错误，但程序运行。

2019-05-09 11:29:06.810470：E tensorflow_serving/sources/storage_path/file_system_storage_path_source.cc:369] FileSystemStoragePathSource 遇到文件系统访问错误：找不到可服务默认值的基本路径 /tmp/mounted_model/

我正在运行以下命令来发送预测请求。

这将返回 curl: (52) 来自服务器的空回复。

我试图按照下面提到的谷歌文档中写的步骤进行操作。

https://cloud.google.com/vision/automl/docs/containers-gcs-tutorial#install-docker https://docs.docker.com/install/linux/docker-ce/debian/

以 curl 形式获取输出：（52）来自服务器的空回复。

预期结果应该是一个 JSON 文件，描述了在 docker 中运行的 AutoML 模型的预测数字。

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。