问题标签 [google-cloud-automl]

我正在尝试使用 GCP AutoML 进行培训和测试。我收到以下错误：

要求最小有效行比率达到 0.50 才能训练模型，而得到比率 0.096547。

任何人请帮助我了解这是什么意思？

我正在尝试对我创建的 Auto ML Table 模型进行预测。

https://automl.googleapis.com/v1beta1/projects/{{project-id}}/locations/us-central1/models/{{model-id}}:predict使用 CURL 执行此操作没有问题，其中（使用不记名令牌）我将以下数据发布到此路径：

我正在尝试对 PHP 做同样的事情，但无法生成正确的有效负载。

请注意，作为 Table 模型，它需要一个 Row；这里有更多信息：https ://cloud.google.com/vision/automl/docs/reference/rest/v1beta1/projects.locations.models/predict#examplepayload

这是错误：

这是我的代码：

我期待以下回应：

我在google云平台上对一些数据发起了google AutoML作业，后来我意识到我在数据中犯了一个错误。如何停止正在运行的训练模型作业？不是很直观...

编辑：这是我的屏幕图片（这是一个回归模型）

当我尝试将项目添加到新数据集以进行情绪分析时遇到问题。

我有一个从 0 到 10 的情绪评分量表，一切都适用于从 0 到 9 的情绪评分，但是尽管我将最大情绪评分设置为 10，但无法读取与 10 相关的那些。

是否对我的 csv 文件进行特殊修改，以便 google 可以识别这些行？

这是我得到的错误：

谢谢你的帮助 ！

我浏览了文档，但仍然不知道该服务是否在训练/评估之前对数据进行了洗牌。我需要知道这一点，因为数据是时间序列，这对于评估早期样本上的训练模型是现实的。

有人可以让我知道答案或指导我如何解决这个问题吗？我知道我可以导出评估结果并对其进行调整，但 BigQuery 似乎不尊重原始数据的顺序，并且数据中没有绝对的时间特征。

以前我能够成功训练一个小数据集（大约 45k 行）

gs://cloud-ml-tables-data/bank-marketing.csv

使用准确度不错的 Google AutoML 表。现在，我想训练另一个具有近 100 万行分布在 5 个类中的数据集。

当我开始培训时，一段时间后我收到“内部错误”。我收到带有主题的电子邮件

AutoML Tables 无法训练模型 [model_name]

这个内容：

“您好 AutoML Tables 客户，
由于错误，AutoML Tables 无法训练
模型 '[model_name]'。
其他详细信息：
资源名称：projects/[...]/locations/us-central1/models/[... ]
操作状态：失败并出现
错误错误消息：INTERNAL"

我没有得到错误的详细信息。

这可能是什么原因造成的？这是我正在使用的数据集的问题吗？
任何有关如何调试/解决此问题的帮助，将不胜感激。
谢谢。

首先，我训练了一个模型，这很酷。在对模型为何位于 us-central 感到头疼和困惑之后，我也能够做出单一的 API 预测。

我想知道是否也可以进行批量预测？

干杯

我已经成功地使用 Google Cloud AutoML 训练图像分类器，但是，当我有大量标签时，我的模型的评估选项卡会显示不完整的混淆矩阵 - 即：只列出了标签的子集。

我如何在 UI 中查看模型的整个混淆矩阵？

我见过其他 S/O q 已经有一段时间没有更新/回答了：

访问整个混淆矩阵

• 这目前可能吗？

谢谢你。

我已将计算区域和区域设置为us-east4使用 Google Cloud SDK

$ gcloud init

$ gcloud config set compute/region us-east4

$ gcloud config set compute/zone us-east4

但是 AutoML Vision 模型一直默认为us-central1. 在确认我的计算区域设置为us-east4并且项目/帐户正确后，我尝试重新启动终端并训练新模型。

当我在 Python 中请求使用我的计算区域参数设置为的预测时，us-east4我收到一条错误消息：

但是，当我请求将计算区域参数设置为us-central1它的预测时，它会起作用并且我得到预测响应。我不确定为什么会这样，或者我是否遗漏了什么。

我必须手动上传训练数据标签 CSV 并单击“训练”来训练模型。我想最好用python自动化所有这些。