Google Cloud Vision Auto ML 和 Google Tensor Flow 之间有什么区别?
https://cloud.google.com/vision/automl/docs/train
https://www.tensorflow.org/hub/tutorials/object_detection
它们都来自同一家公司,并进行 API 对象检测,允许用户训练图像模型,允许用户使用 python 进行编码。 Google Cloud AutoML 是否在后台使用 Google Tensorflow(仅在云模型中),因此用户无需下载软件?
只是想了解这两个组件。
Google Cloud Auto ML
最佳答案
谷歌云 AutoML Vision在 Google Cloud Platform 和 Google 上运行 TensorFlow Object Detection在 Google Colab 上运行。
主要区别很少。我将尝试在这里介绍最重要的内容:
Colab 实例 session 在 12 hours 之后超时其中自定义 AutoML 视觉模型的最长生命周期为 18 months .
Colab 运行于 Google Drive其基本版本为free AutoML 视觉成本在哪里 $3.15 per node hour .
Note: "You can try AutoML Vision Object Detection for free by using 40 free node hours each for training and online prediction, and 1 free node hour for batch prediction, per billing account."
Colab 轻松进行身份验证并具有 pre-built connectors其中 AutoML 与 Google Cloud Platform 完全集成。
Colab 是一款没有任何企业支持的消费产品,而 AutML 愿景有 enterprise support解决您的所有问题和疑问。
为了实现最高级别的编程控制,您最好使用 TensorFlow 创建自定义对象检测模型。可以找到一些示例 here 。为了缩短生产时间,客户可以使用迁移学习并使用 TensorFlow Hub 中可用的模型架构之一。或从其他来源下载模型权重。
另一方面,AutoML Vision 不提供对模型构建的精细控制,因此您无法以编程方式调整生成的模型。 AutoML 使用神经 Architecture Search为手头的任务设计最佳的神经网络。这种方法速度更快,因为所需的只是训练数据和构建神经网络的任务。您可以找到更多details and examples on AutoML Vision .
如果您想使用现成的 API(对模型本身进行零定制),他们可以直接利用 Vision API 。该 API 为常见任务(例如对象检测、OCR 等)提供预测服务,并且不允许进行任何控制,无需携带任何数据或训练任何 ML 模型。这里的缺点是 API 背后的模型是静态的,无法像 AutoML Vision 那样进行重新训练。有关 Vision API 和 AutoML Vision 之间差异的更多详细信息,请参阅 here .
关于哪种产品在对象检测方面效果更好 - 您应该进行自己的实验,看看哪种产品最适合您的需求。
最后对于程序控制的递增顺序,如下:
Vision API > AutoML Vision > TensorFlow(带迁移学习)> TensorFlow(自定义模型)
关于python - Google Cloud Vision AutoML 和 TensorFlow 对象检测差异,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/66977000/