Création d'un modèle de classification d'images

Les phases de développement d'un modèle de classification d'images sont les suivantes :

1. Déterminez vos exigences : déterminez votre modèle et les exigences de déploiement, telles que le temps de réponse requis, le niveau d'effort de construction, les exigences du modèle, les exigences de maintenance et le budget.

2. Choisissez un modèle : créez une liste d'options de modèle avec les avantages et les coûts associés à chaque modèle. Chaque modèle possède une option de déploiement différente. Sélectionnez un modèle en fonction de l'analyse coûts-avantages.

3. Déterminer l'infrastructure de déploiement : pour le modèle sélectionné, affinez le plan d'infrastructure de déploiement (si nécessaire).

4. Déterminez le flux de travail de surveillance et de maintenance du modèle : cela inclut les mises à jour de l'architecture du modèle, le recyclage périodique et les corrections déclenchées par des alarmes de surveillance pour détecter les biais et la qualité des données. La structure de ce flux de travail dépend de l'application. Par exemple, un modèle de prévision de la demande peut nécessiter un réentraînement et une surveillance fréquents pour tenir compte de la dérive du modèle due aux tendances du marché ou à d'autres facteurs. Un modèle de classification qui détecte les humains dans les vidéos de sécurité peut avoir besoin d'être mis à jour uniquement lorsqu'une architecture de modèle améliorée est disponible.

L'image suivante montre les phases et les considérations que vous devez prendre en compte lors du choix et du déploiement d'un modèle de classification d'images.

Bien que ces phases soient ordonnées de manière à montrer la dépendance, la plupart des décisions sont prises au cours de la seconde phase, qui consiste à choisir un modèle. Au cours de cette phase, vous effectuez une analyse coûts-avantages des options qui répondent aux exigences que vous avez définies lors de la première phase. En effet, chaque option de modélisation est associée à différentes possibilités de déploiement et de maintenance.

Dans ce guide, vous utiliserez ces phases pour recueillir vos besoins, puis évaluer les options de modélisation. Il explique les options de modélisation disponibles Services AWS et explique comment organiser le développement ultérieur de l'infrastructure une fois que vous avez choisi une approche de modélisation.

Les étapes suivantes décrivent une version simplifiée permettant de déterminer une approche de modélisation, en supposant que votre objectif soit de minimiser la quantité de code et la complexité :

1. Vérifiez si les cours sont déjà inclus dans les étiquettes Amazon Rekognition. Si tel est le cas, évaluez ce service en fonction de votre cas d'utilisation. Pour plus d'informations, consultez Amazon Rekognition dans ce guide.

2. Si le service préformé par défaut ne répond pas à vos besoins, explorez les étiquettes personnalisées Amazon Rekognition. Pour plus d'informations, consultez la section Étiquettes personnalisées Amazon Rekognition dans ce guide.

3. Si ni Amazon Rekognition ni Amazon Rekognition Custom Labels ne conviennent à votre cas d'utilisation, envisagez de classer les images via Amazon AI Canvas. SageMaker Pour plus d'informations, consultez Amazon SageMaker AI Canvas dans ce guide.

4. Si votre cas d'utilisation n'est pas couvert par SageMaker AI Canvas, envisagez un point de terminaison SageMaker AI (basé sur un serveur ou sans serveur). Pour plus d'informations, consultez les points de terminaison Amazon SageMaker AI dans ce guide.

5. Si aucun de ces services ne répond à votre cas d'utilisation, utilisez une solution conteneurisée dans Amazon Elastic Container Service (AmazonECS) ou Amazon Elastic Kubernetes Service (Amazon). EKS Pour plus d'informations, consultez la section Tâches de formation personnalisées de ce guide.

Compte tenu de certaines exigences relatives à votre solution, il est possible de sauter ces étapes très rapidement dans certains cas. Par exemple, si une routine d'augmentation complexe est requise au-delà d'une routine qui peut facilement être réalisée en créant des images supplémentaires, vous pouvez ignorer les étapes 1 et 2.