Sdílet prostřednictvím


Migrace projektu Custom Vision do image Analysis 4.0 Preview

Existující projekt Azure AI Custom Vision můžete migrovat do nového systému Image Analysis 4.0. Custom Vision je služba přizpůsobení modelu, která existovala před analýzou obrázků 4.0.

Tato příručka používá kód Pythonu k pořízení všech trénovacích dat z existujícího projektu Custom Vision (obrázky a jejich data popisků) a převede je na soubor COCO. Potom můžete naimportovat soubor COCO do nástroje Vision Studio a vytrénovat vlastní model analýzy obrázků. Viz Vytvoření a trénování vlastního modelu a přejděte do části importu souboru COCO – můžete postupovat podle pokynů odsud do konce.

Požadavky

Tento poznámkový blok exportuje data a poznámky obrázků z pracovního prostoru projektu Custom Vision Service do vlastního souboru COCO v objektu blob úložiště připraveného k trénování pomocí přizpůsobení modelu analýzy obrázků. Kód v této části můžete spustit pomocí vlastního skriptu Pythonu nebo si můžete stáhnout a spustit poznámkový blok na kompatibilní platformě.

Tip

Obsah export_cvs_data_to_blob_storage.ipynb. Otevřete v GitHubu.

Instalace balíčku ukázek Pythonu

Spuštěním následujícího příkazu nainstalujte požadovaný balíček ukázek Pythonu:

pip install cognitive-service-vision-model-customization-python-samples

Ověřování

Dále zadejte přihlašovací údaje projektu Custom Vision a kontejneru úložiště objektů blob.

Musíte vyplnit správné hodnoty parametrů. Potřebujete tyto informace:

  • Název účtu Azure Storage, který chcete použít s novým projektem vlastního modelu
  • Klíč pro tento účet úložiště
  • Název kontejneru, který chcete použít v daném účtu úložiště
  • Váš trénovací klíč služby Custom Vision
  • Adresa URL koncového bodu služby Custom Vision
  • ID projektu Custom Vision

Přihlašovací údaje služby Azure Storage najdete na stránce daného prostředku na webu Azure Portal. Přihlašovací údaje služby Custom Vision najdete na stránce nastavení projektu Custom Vision na webovém portálu Custom Vision.

azure_storage_account_name = ''
azure_storage_account_key = ''
azure_storage_container_name = ''

custom_vision_training_key = ''
custom_vision_endpoint = ''
custom_vision_project_id = ''

Spuštění migrace

Při spuštění kódu migrace se trénovací obrázky služby Custom Vision uloží do složky v zadaném {project_name}_{project_id}/images kontejneru úložiště objektů blob v Azure a soubor COCO se uloží do {project_name}_{project_id}/train.json stejného kontejneru. Vyexportují se označené i neoznačené obrázky včetně všech obrázků označených záporně.

Důležité

Přizpůsobení modelu analýzy obrázků v současné době nepodporuje trénování klasifikace s více popisky. Nákupem si stále můžete exportovat data z projektu klasifikace multilabelu Custom Vision.

from cognitive_service_vision_model_customization_python_samples import export_data
import logging
logging.getLogger().setLevel(logging.INFO) 
logging.getLogger('azure.core.pipeline.policies.http_logging_policy').setLevel(logging.WARNING)

n_process = 8
export_data(azure_storage_account_name, azure_storage_account_key, azure_storage_container_name, custom_vision_endpoint, custom_vision_training_key, custom_vision_project_id, n_process)

Použití souboru COCO v novém projektu

Skript vygeneruje soubor COCO a nahraje ho do zadaného umístění úložiště objektů blob. Teď ho můžete importovat do projektu přizpůsobení modelu. Viz Vytvoření a trénování vlastního modelu a přejděte do části o výběru nebo importu souboru COCO – můžete postupovat podle pokynů odsud do konce.

Další kroky