低代码作物分类
AutoML 能以最小的技术投入创建和训练模型。本示例演示了使用 Vertex AI Python SDK 训练和部署一个 AutoML 表格式模型,然后从 Earth Engine 连接到该模型,对国家农业图像计划 (NAIP) 航空图像中的作物类型进行分类。
本教程的主要流程是为了将选好的训练数据,进行GCS的问格式转换,然后进行数据集的创建,作为新格式的训练数据集,使用create()函数进行创建,这里可以进行数据名称和数据源的确定。然后我们进行模型的训练,这里我们可以根据需求进行数据进行分为验证和训练数据集。一单完成之后,我们就利用aiplatform.AutoMLTabularTrainingJob进行设定,然后选择优化预测类型:optimization_prediction_type,这里我们使用classification作为预测模型。设定好之后我们就可以进行模型的运行了,这里,的函数就是输入数据即,模型名称,然后训练的纸杯指数等等参数作为运行的模型。一旦完成了模型的训练,我们就可以使用 list_model_evaluations() 方法查看模型的评估,然后进行模型的部署,部署之后这里就是要获取其训练好的模型的ID名称。然后我们对训练和预测区域进行输入,然后选择参与构建的模型影像波段信息,然后添加相应的属性作为预测属性。ee.Model.fromVertexAi最后利用这个函数进行模型分析,将训练