读芯术■实操指南:用谷歌AutoML构建图像分类模型( 三 )


本文插图
云端模型展示了一个简单易用的API , 能够以此上传一个简单的JSON对象 , 然后收到一组预测和概率 。 对于笔者来说 , 这是完美的集成API , 简洁又便利 。
读芯术■实操指南:用谷歌AutoML构建图像分类模型
本文插图
可以直接在浏览器中使用API并检查结果 。 笔者从训练数据集中上传了一些脸部照片 , 看起来模型运行得很不错!总体而言 , 如果能负担得起后台运行云实例的费用 , 使用API还是很便捷的 。部署边缘模型 对于边缘模型部署 , 下载模型的办法有很多 。 每个选项都非常强大:
· TF Lite:支持在移动设备上运行模型
· TensorFlow.js:支持在网页浏览器上运行模型
· Core ML:支持在苹果设备上运行模型
· 容器 (Container):支持在docker容器中运行模型(十分适合网页服务器)
读芯术■实操指南:用谷歌AutoML构建图像分类模型
本文插图
注意:该模型无需上传图片至服务器 , 整个过程在本地运行!
读芯术■实操指南:用谷歌AutoML构建图像分类模型
本文插图
来源:Pexels
总的来说 , 谷歌AutoML在构建图像分类模型上简单易用而且非常高效 。下一次 , 我们再尝试看看其他云供应商 , 看看他们孰优孰劣吧!
读芯术■实操指南:用谷歌AutoML构建图像分类模型
本文插图
留言点赞发个朋友圈
我们一起分享AI学习与发展的干货如转载 , 请后台留言 , 遵守转载规范
【读芯术■实操指南:用谷歌AutoML构建图像分类模型】本文为***作者原创 , 未经授权不得转载


推荐阅读