구글 클라우드(Google Cloud)의 AutoML Vision 간단하게 사용하기

AutoML은 머신러닝에 대한 전문 지식이 없어도, 코드 없이도, 구글 클라우드에서 제공하는 UI만으로 나만의 데이터 셋으로 머신러닝 모델을 만들어 사용할 수 있게해줍니다. 그리고 만들어진 모델을 deploy(배포)하고 AutoML UI나 REST API를 이용하여 사용(prediction)할 수 있습니다. 직접 AutoML Vision을 간단하게 사용해보겠습니다. (구글 실습 환경 Qwiklabs 이용) 

출처 : Google Cloud 

• AutoML Vision으로 구름 종류 3가지의 이미지 60장(종류별 20장)을 가지고 모델을 훈련시키고 랜덤한 구름 사진을 올려 구름의 종류를 맞춰보겠습니다.  Datasets 네비게이션 메뉴에서 IMPORT 탭을 이용해 훈련에 사용할 이미지를 업로드합니다. 이미지를 Label(라벨)하고 이미지 경로를 가진 csv 파일을 통해 업로드됩니다. 

• 이미지가 업로드된 뒤 라벨 수정이 가능합니다. 실제 프로덕션에서 사용할 모델을 훈련할 때는 라벨당 최소 100장의 이미지가 필요하다고 합니다.  

• 라벨당 20장의 이미지 중에서 16장은 훈련(train)에 사용되고, 2장은 평가/검증(validation)에 사용되며 2장은 테스트에 사용됩니다. default 설정이며 수정 가능합니다.

• TRAIN 탭에서 Start Training 버튼을 눌러 훈련을 시작합니다. 훈련에 30분 정도 걸립니다. (이미지 60장) 

• 훈련이 끝나면 EVALUATE 탭에서 아래의 정보들을 확인하실 수 있습니다. 이 정보들을 분석해서 모델을 재훈련시키지만 간단한 실습이므로 바로 예측(Prediction) 단계로 넘어가겠습니다. Precision, Recall, Confusion Matrix는 꼭 알아야 하는 개념입니다. (다음에 다루도록 하겠습니다.) 

• 모델을 Deploy시킵니다. 25분 정도 걸리고, deploy된 모델은 비용이 발생합니다. 

• 모델이 deploy된 이후에 REST API를 사용해 이용할 수 있고, 파이썬 클라이언트를 사용해 이용할 수 있습니다. 가장 쉽게 UI를 통해 임의의 구름 사진을 업로드해 사용(예측)해 보겠습니다. 

• 랜덤 구름 사진을 올렸고 모델이 정확하게 예측을 하였습니다. 빙고!