Latihan - Menyebarkan model dan menggunakan titik akhir

  • 5 menit

Model kami berkinerja pada tingkat yang memuaskan, jadi mari kita sebarkan!

Anda memiliki beberapa opsi untuk penyebaran. Opsi yang Anda pilih bergantung pada bagaimana Anda ingin menggunakan model pembelajaran mesin Anda. Anda dapat menyebarkan ke titik akhir atau Anda dapat mengekspor model untuk disebarkan ke platform yang berbeda.

Kami akan membahas cara menyebarkan ke titik akhir dan menggunakan model dengan menggunakan aplikasi.

Menyebarkan ke titik akhir

Anda dapat menyebarkan ke titik akhir dengan mendapatkan URL prediksi atau dengan menggunakan API di aplikasi Python.

Dapatkan URL prediksi

  1. Di bilah menu atas portal Visual Kustom, pilih Performa.

  2. Pilih Terbitkan.

  3. Di Terbitkan Model, pilih Sumber daya prediksi, lalu pilih nama prediksi untuk proyek Visual Kustom Anda. Pilih Terbitkan.

    Screenshot that shows how to publish a trained Custom Vision model.

    Setelah model diterbitkan, tindakan untuk model diubah di portal Visual Kustom.

  4. Pilih tab URL Prediksi.

  5. Di Cara menggunakan API prediksi, dalam kotak teks di bawah Jika Anda memiliki URL gambar, salin dan simpan nilainya, lalu pilih Dapatkan.

    Screenshot that highlights the prediction U R L for a published Custom Vision model.

Menggunakan API dalam aplikasi Python

Saat model dilatih dan berkinerja dengan akurasi yang memuaskan, model siap untuk Anda gunakan di aplikasi Anda.

  1. Di portal Microsoft Azure, buka grup sumber daya yang berisi sumber daya Visual Kustom Anda. Sumber daya bernama <YourCustomVisionResourceName>-Prediction ditampilkan dengan grup sumber daya asli.

    Screenshot that shows how to open the prediction resource in the Azure portal.

  2. Pilih nama prediksi untuk membuka halaman Gambaran Umum. Halaman ini memiliki tautan ke sumber daya yang dapat membantu Anda mempelajari lebih lanjut tentang cara memanggil API untuk mendapatkan prediksi dari model.

  3. Pada Memulai, di bagian 3, pilih tautan untuk Mulai Cepat Python. Mulai cepat klasifikasi gambar layanan Azure AI untuk Python terbuka di browser web Anda.

    Screenshot that shows quickstart resources that describe how to call the A P I to get predictions from the model.

    Berikut adalah contoh kode sampel untuk memanggil API prediksi di Python. Untuk kode lengkapnya, lihat mulai cepat.

    from azure.cognitiveservices.vision.customvision.prediction import CustomVisionPredictionClient

# Create variables for your resource; replace variables with valid values.
prediction_key = "<YourKey>"
endpoint = "<YourEndpoint>"
base_image_url = "<BasePathToImageFolder>"

# An example of a default iteration name is "Iteration1".
publish_iteration_name = "<PublishedIterationName>"

# You can find the project ID in the settings of the Custom Vision project in the portal.
project.id = "<CustomVisionProjectId>"

# Now, you have a trained endpoint that you can use to make a prediction.
prediction_credentials = ApiKeyCredentials(in_headers={"Prediction-key": prediction_key})

predictor = CustomVisionPredictionClient(endpoint, prediction_credentials)

with open(base_image_url + "images/Test/test_image.jpg", "rb") as image_contents:
    results = predictor.classify_image(
        project.id, publish_iteration_name, image_contents.read())

# Display the results.
for prediction in results.predictions:
    print("\t" + prediction.tag_name +
         ": {0:.2f}%".format(prediction.probability * 100))

Saat Anda memposting ke titik akhir yang diterbitkan, Anda mendapatkan hasil yang terlihat seperti contoh berikut. Peluang setiap tag yang dilatih model Visual Kustom ditampilkan, diurutkan berdasarkan skor tertinggi. Model hanya mengenali jenis burung yang dilatih untuk dikenali. Jika Anda memposting gambar burung yang modelnya tidak dilatih untuk mengenalinya, model memprediksi salah satu spesies burung yang dilatihnya sebagai spesies burung baru.

American Crow: 99.18%
Common Grackle: 25.34%
Red-tailed Hawk (Dark morph): 4.09%
Mourning Dove: 1.74%
American Robin (Adult): 0.92%
House Sparrow (Female): 0.40%
American Robin (Juvenile): 0.31%
Northern Cardinal (Adult Male): 0.24%
Tufted Titmouse: 0.04%
Blue Jay: 0.04%
House Sparrow (Male): 0.04%
Northern Cardinal (Female): 0.04%
Red-tailed Hawk (Light morph immature): 0.02%
American Goldfinch (Male): 0.02%
House Wren: 0.01%
American Goldfinch (Female): 0.01%

Sekarang, Anda memiliki pengalaman menggunakan model pembelajaran mesin yang Anda buat. Dengan data baru untuk dianalisis, Anda dapat mendokumentasikan kebiasaan burung dengan lebih baik untuk membantu melestarikan habitat burung dan meningkatkan populasi burung yang terancam punah. Semua dengan bantuan Azure AI Custom Vision!