Alıştırma - Modeli dağıtma ve uç noktayı kullanma

  • 5 dakika

Modelimiz tatmin edici düzeyde performans sergilediğinden dağıtalım!

Dağıtım için farklı seçenekleriniz vardır. Seçtiğiniz seçenek, makine öğrenmesi modelinizi nasıl kullanmak istediğinize bağlıdır. Bir uç noktaya dağıtabilir veya modeli dışarı aktararak farklı platformlara dağıtabilirsiniz.

Modeli uç noktaya dağıtma ve uygulama üzerinden kullanma adımlarını inceleyeceğiz.

Bir uç noktaya dağıtma

Bir uç noktaya dağıtmak için tahmin URL'sini alabilir veya API'yi bir Python uygulamasında kullanabilirsiniz.

Tahmin URL'sini alma

  1. Özel Görüntü İşleme portalın üst menü çubuğunda Performans'ı seçin.

  2. Yayımla öğesini seçin.

  3. Modeli Yayımla bölümünde Tahmin kaynağı'nı seçin ve ardından Özel Görüntü İşleme projeniz için tahminin adını seçin. Yayımla öğesini seçin.

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

    Model yayımlandıktan sonra modelin eylemleri Özel Görüntü İşleme portalında değiştirilir.

  4. Tahmin URL'si sekmesini seçin.

  5. Tahmin API'sini kullanma bölümünde, Görüntü URL'niz varsa altındaki metin kutusunda değeri kopyalayıp kaydedin ve ardından Aldım'ı seçin.

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

API'yi bir Python uygulamasında kullanma

Model eğitildiğinde ve tatmin edici doğrulukla performans sergilediğinde, model uygulamanızda kullanmaya hazır durumdadır.

  1. Azure portalında, Özel Görüntü İşleme kaynağınızı içeren kaynak grubuna gidin. Özgün kaynak grubuyla YourCustomVisionResourceName-Prediction> adlı <bir kaynak gösterilir.

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

  2. Genel Bakış sayfasını açmak için tahmin adını seçin. Bu sayfada, modelden tahmin almak için API'yi çağırma hakkında daha fazla bilgi edinmenize yardımcı olabilecek kaynaklara bağlantılar bulunur.

  3. Başlarken'in altındaki 3. bölümde Python Hızlı Başlangıcı bağlantısını seçin. Python için Azure AI hizmetleri görüntü sınıflandırma hızlı başlangıcı web tarayıcınızda açılır.

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

    Aşağıda Python'da tahmin API'sini çağırmaya yönelik örnek kod örneği verilmiştır. Kodun tamamı için hızlı başlangıç bölümüne bakın.

    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))

Yayımlanan uç noktaya gönderi gönderdiğinizde aşağıdaki örneğe benzer bir sonuç alırsınız. Özel Görüntü İşleme modelinin eğitilmiş olduğu etiketlerin her birinin olasılığı gösterilir ve liste puana göre azalan düzende sıralanmıştır. Model yalnızca tanımak üzere eğitilmiş olduğu kuş türlerini tanır. Modelin tanımak üzere eğitilmiş olmadığı bir kuşun görüntüsünü gönderirseniz model, yeni kuşun türü için tahminde bulunmak üzere eğitilmiş olduğu kuş türlerinden birini kullanır.

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%

Artık oluşturduğunuz makine öğrenmesi modelini kullanma deneyimine sahipsiniz. Analiz etmek için yeni verilerle, kuş habitatını korumaya ve nesli tükenmekte olan kuş popülasyonlarını artırmaya yardımcı olmak için kuş alışkanlıklarını daha iyi belgeleyebilirsiniz. Hepsi Azure AI Özel Görüntü İşleme yardımıyla!