【问题标题】:Is there a way to see estimated time for training a model in Google AutoML Vision?有没有办法查看在 Google AutoML Vision 中训练模型的预计时间?
【发布时间】:2019-05-30 17:11:03
【问题描述】:

我正在尝试训练一个模型来识别图像中的某些标签。我尝试使用 1 小时免费版本,一个小时后培训结束。结果并不像我想要的那么准确,所以我冒险选择了没有定义训练模型的具体时间限制的选项。

此时,它显示“训练视觉分类模型”和“训练可能需要 15 分钟到几个小时或更长时间,具体取决于分配的计算小时数。在此期间,您可以关闭此窗口。您将收到电子邮件训练完成后。”

它已经运行了超过 24 小时。 Google 对每个训练小时收费 20 美元,所以我想知道是否有办法查看完全训练模型需要多长时间。

我正在使用只有单个标签的 2594 张图像。

我了解 Google AutoML Vision 仍处于测试阶段,但目前无法知道此培训将持续多长时间。我的预算很紧,所以如果超过时间我会停止培训——但我仍然想知道它是否接近完成。

【问题讨论】:

    标签: google-cloud-vision google-cloud-automl


    【解决方案1】:

    训练您的模型所需的时间将完全取决于数据集中包含的数据量和模型所需的准确性并有所不同;因此,我认为无法确定完成培训阶段所需的小时数。 GCP pricing 文档提到了以下建议:

    许多客户发现一小时足以构建实验模型并使用额外的培训时间将准确度提高到生产水平。

    注意:请记住,模型的准确性通常取决于您允许它训练多长时间以及训练数据集的质量。

    另一方面,如果您有特定的模型预算,建议使用 training budget 参数来指定要使用的训练小时数;这样,AutoML Vision可以保证实际训练时间小于或等于训练预算。我建议您查看AutoML Vision API 教程,您可以在其中找到training model 属性的使用示例。

    此外,重要的是要注意,在训练模型时,计算小时代表内部计算使用量,这意味着该时间可能与时钟上的实际小时不完全匹配,如前所述在Training costs。基于此,我建议您在计算预算时考虑这方面,以免超出预算。

    【讨论】:

    • "这样,AutoML Vision 可以保证实际训练时间小于或等于训练预算。" - 我认为目前情况并非如此。昨天我将培训时间延长了 2 个自定义小时,并且从现在 10 小时开始仍在运行。此外,通过 API 请求处理操作时,字段 progressPercent 仅在训练完成后在 metadata 下可见。
    • (即使您认为“时钟上的实际小时数”这样的陈述:-(但我认为当它达到非 beta 状态时这会有所改善)
    猜你喜欢
    • 2020-12-19
    • 1970-01-01
    • 2019-11-21
    • 1970-01-01
    • 1970-01-01
    • 2022-01-07
    • 2019-06-03
    • 2019-05-04
    • 2020-06-27
    相关资源
    最近更新 更多