AutoTrainによる画像分類
'AutoTrainによる画像分類' means 'Image classification using AutoTrain'.
機械学習の世界で起こっているすごいことをすべて聞いたことがありますね。そして、参加したいと思っています。ただ1つ問題があります – コーディングの方法がわかりません！ 😱 または、MLをサイドプロジェクトに追加したい経験豊富なソフトウェアエンジニアでありながら、新しいテックスタックを習得する時間がありません！多くの人々にとって、機械学習の技術的な壁は乗り越えられないと感じるものです。そこで、Hugging FaceはAutoTrainを作成しました。そして、私たちが追加した最新の機能により、「ノーコード」の機械学習がこれまで以上に優れたものになりました。何よりも、最初のプロジェクトを✨無料で✨作成できます！
Hugging Face AutoTrainは、設定が不要なモデルをトレーニングすることができます。タスクを選択します（翻訳ですか？質問応答はいかがですか？）、データをアップロードし、Hugging Faceが残りの作業を行います！ AutoTrainによってさまざまなモデルの実験を行わせることで、エンジニアによって手動でトレーニングされたモデルよりも性能が向上する可能性さえあります 🤯 サポートするタスクの数を増やしていますが、嬉しいお知らせがあります。AutoTrainはコンピュータビジョンにも使用できるようになりました！最新のタスクである画像分類を追加しましたが、これからもさらに追加予定です。しかし、これがあなたにとってどういう意味を持つのでしょうか？
画像分類モデルは画像をカテゴリに分類する方法を学びますので、これらのモデルの1つをトレーニングして任意の画像にラベルを付けることができます。署名を認識できるモデルが欲しいですか？鳥の種類を区別できるモデルが欲しいですか？植物の病気を特定できるモデルが欲しいですか？適切なデータセットを見つけることができる限り、画像分類モデルが対応してくれます。
自分自身の画像分類器をトレーニングする方法は？
Hugging Faceのアカウントをまだ作成していない場合は、今がチャンスです！その後、AutoTrainのホームページに移動し、「新しいプロジェクトを作成」をクリックして始めましょう。プロジェクトに関する基本情報を入力するように求められます。以下のスクリーンショットでは、私はbutterflies-classificationという名前のプロジェクトを作成し、”Image Classification”タスクを選択しました。また、自分のプロジェクトで最適なモデルアーキテクチャを見つけるために、”Automatic”モデルオプションも選択しました。
AutoTrainがプロジェクトを作成したら、あとはデータを接続するだけです。データがローカルにある場合は、フォルダをウィンドウにドラッグアンドドロップすることができます。また、Hugging Face Hubで提供されている画像分類のデータセットを使用することもできます。この例では、NimaBoscarino/butterfliesデータセットを使用することにしました。利用可能な場合は、別々のトレーニングデータセットと検証データセットを選択することもできますし、データの分割をAutoTrainに依頼することもできます。
データが追加されたら、AutoModelが試すモデル候補の数を選択し、予想されるトレーニングコスト（5つの候補モデルと500枚未満の画像でのトレーニングは無料です 🤩）を確認して、トレーニングを開始します。
上のスクリーンショットでは、私のプロジェクトが5つの異なるモデルを開始し、それぞれが異なる精度のスコアを達成しました。そのうちの1つはあまりうまく機能していなかったため、AutoTrainはリソースを無駄にしないように停止しました。最も優れたモデルは84％の精度を達成しましたが、私の努力はほぼゼロでした 😍 すべてをまとめると、Hubで新しくトレーニングしたモデルを訪れ、統合推論ウィジェットを通じてそれらと遊ぶことができます。例えば、NimaBoscarino/butterfliesのバタフライ分類モデルをチェックしてみてください 🦋
AutoTrainで何を作るかを楽しみにしています！忘れずにhf.co/join/discordのコミュニティに参加し、必要な場合はお問い合わせください 🤗
We will continue to update VoAGI; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
