সঙ্গে অ্যামাজন স্বীকৃতি কাস্টম লেবেল, তুমি পেতে পার আমাজন রেকোনিশন আপনার ব্যবসার প্রয়োজনের জন্য নির্দিষ্ট বস্তু সনাক্তকরণ বা চিত্র শ্রেণীবিভাগের জন্য একটি কাস্টম মডেল প্রশিক্ষণ দিন। উদাহরণস্বরূপ, স্বীকৃতি কাস্টম লেবেলগুলি সোশ্যাল মিডিয়া পোস্টগুলিতে আপনার লোগো খুঁজে পেতে পারে, দোকানের তাকগুলিতে আপনার পণ্যগুলি সনাক্ত করতে পারে, একটি সমাবেশ লাইনে মেশিনের অংশগুলিকে শ্রেণীবদ্ধ করতে পারে, সুস্থ এবং সংক্রামিত উদ্ভিদের পার্থক্য করতে পারে বা ভিডিওগুলিতে অ্যানিমেটেড অক্ষরগুলি সনাক্ত করতে পারে৷
চিত্রগুলি বিশ্লেষণ করার জন্য একটি স্বীকৃতি কাস্টম লেবেল মডেল তৈরি করা একটি উল্লেখযোগ্য উদ্যোগ যার জন্য সময়, দক্ষতা এবং সংস্থান প্রয়োজন, প্রায়শই এটি সম্পূর্ণ হতে কয়েক মাস সময় নেয়। উপরন্তু, সঠিকভাবে সিদ্ধান্ত নেওয়ার জন্য মডেলটিকে পর্যাপ্ত ডেটা সরবরাহ করার জন্য প্রায়ই হাজার হাজার বা হাজার হাজার হ্যান্ড-লেবেলযুক্ত চিত্রের প্রয়োজন হয়। এই ডেটা তৈরি করতে কয়েক মাস সময় লাগতে পারে এবং এটিকে মেশিন লার্নিং (ML) এ ব্যবহারের জন্য প্রস্তুত করতে লেবেলারদের একটি বড় দল প্রয়োজন।
স্বীকৃতি কাস্টম লেবেল সহ, আমরা আপনার জন্য ভারী উত্তোলনের যত্ন নিই। স্বীকৃতি কাস্টম লেবেলগুলি Amazon Recognition-এর বিদ্যমান ক্ষমতাগুলি তৈরি করে, যা ইতিমধ্যেই অনেকগুলি বিভাগে লক্ষ লক্ষ ছবির উপর প্রশিক্ষিত। হাজার হাজার ছবির পরিবর্তে, আপনাকে আমাদের সহজে-ব্যবহারযোগ্য কনসোলের মাধ্যমে আপনার ব্যবহারের ক্ষেত্রে নির্দিষ্ট প্রশিক্ষণের চিত্রগুলির একটি ছোট সেট (সাধারণত কয়েকশ ছবি বা কম) আপলোড করতে হবে। যদি আপনার ছবিগুলি ইতিমধ্যেই লেবেলযুক্ত থাকে, তবে Amazon Recognition কয়েক ক্লিকেই প্রশিক্ষণ শুরু করতে পারে৷ যদি না হয়, আপনি সরাসরি অ্যামাজন স্বীকৃতি লেবেলিং ইন্টারফেসের মধ্যে তাদের লেবেল করতে পারেন, বা ব্যবহার করতে পারেন আমাজন সেজমেকার গ্রাউন্ড ট্রুথ আপনার জন্য তাদের লেবেল করতে। Amazon Recognition আপনার ইমেজ সেট থেকে প্রশিক্ষণ শুরু করার পরে, এটি মাত্র কয়েক ঘন্টার মধ্যে আপনার জন্য একটি কাস্টম ইমেজ বিশ্লেষণ মডেল তৈরি করে। পর্দার আড়ালে, স্বীকৃতি কাস্টম লেবেলগুলি স্বয়ংক্রিয়ভাবে প্রশিক্ষণের ডেটা লোড করে এবং পরিদর্শন করে, সঠিক ML অ্যালগরিদম নির্বাচন করে, একটি মডেলকে প্রশিক্ষণ দেয় এবং মডেল কর্মক্ষমতা মেট্রিক্স প্রদান করে। তারপর আপনি স্বীকৃতি কাস্টম লেবেল API এর মাধ্যমে আপনার কাস্টম মডেলটি ব্যবহার করতে পারেন এবং এটিকে আপনার অ্যাপ্লিকেশনগুলিতে সংহত করতে পারেন৷
যাইহোক, একটি স্বীকৃতি কাস্টম লেবেল মডেল তৈরি করা এবং এটিকে রিয়েল-টাইম ভবিষ্যদ্বাণীগুলির জন্য হোস্ট করার জন্য বেশ কয়েকটি পদক্ষেপ জড়িত: একটি প্রকল্প তৈরি করা, প্রশিক্ষণ এবং বৈধতা ডেটাসেট তৈরি করা, মডেলটিকে প্রশিক্ষণ দেওয়া, মডেলটির মূল্যায়ন করা এবং তারপর একটি শেষ পয়েন্ট তৈরি করা৷ অনুমানের জন্য মডেলটি স্থাপন করার পরে, নতুন ডেটা উপলব্ধ হলে বা বাস্তব-বিশ্বের অনুমান থেকে প্রতিক্রিয়া পাওয়া গেলে আপনাকে মডেলটিকে পুনরায় প্রশিক্ষণ দিতে হতে পারে। পুরো ওয়ার্কফ্লো স্বয়ংক্রিয় করা ম্যানুয়াল কাজ কমাতে সাহায্য করতে পারে।
এই পোস্টে, আমরা দেখাই কিভাবে আপনি ব্যবহার করতে পারেন এডাব্লুএস স্টেপ ফাংশন কর্মপ্রবাহ তৈরি এবং স্বয়ংক্রিয় করতে। স্টেপ ফাংশন হল একটি ভিজ্যুয়াল ওয়ার্কফ্লো পরিষেবা যা ডেভেলপারদের বিতরণ করা অ্যাপ্লিকেশন তৈরি করতে, প্রক্রিয়াগুলি স্বয়ংক্রিয় করতে, মাইক্রোসার্ভিসগুলি অর্কেস্ট্রেট করতে এবং ডেটা এবং এমএল পাইপলাইন তৈরি করতে AWS পরিষেবাগুলি ব্যবহার করতে সহায়তা করে৷
সমাধান ওভারভিউ
ধাপ ফাংশন কর্মপ্রবাহ নিম্নরূপ:
- আমরা প্রথমে একটি Amazon Recognition প্রকল্প তৈরি করি।
- সমান্তরালভাবে, আমরা বিদ্যমান ডেটাসেটগুলি ব্যবহার করে প্রশিক্ষণ এবং বৈধতা ডেটাসেট তৈরি করি। আমরা নিম্নলিখিত পদ্ধতিগুলি ব্যবহার করতে পারি:
- থেকে একটি ফোল্ডার কাঠামো আমদানি করুন আমাজন সিম্পল স্টোরেজ সার্ভিস (Amazon S3) লেবেলগুলির প্রতিনিধিত্বকারী ফোল্ডারগুলির সাথে৷
- একটি স্থানীয় কম্পিউটার ব্যবহার করুন।
- গ্রাউন্ড ট্রুথ ব্যবহার করুন।
- AWS SDK এর সাথে একটি বিদ্যমান ডেটাসেট ব্যবহার করে একটি ডেটাসেট তৈরি করুন৷.
- AWS SDK সহ একটি ম্যানিফেস্ট ফাইল সহ একটি ডেটাসেট তৈরি করুন৷.
- ডেটাসেট তৈরি হওয়ার পরে, আমরা একটি কাস্টম লেবেল মডেল ব্যবহার করে প্রশিক্ষণ দিই প্রজেক্ট সংস্করণ তৈরি করুন API এটি সম্পূর্ণ হতে মিনিট থেকে ঘন্টা পর্যন্ত সময় লাগতে পারে।
- মডেলটি প্রশিক্ষিত হওয়ার পরে, আমরা পূর্ববর্তী ধাপ থেকে F1 স্কোর আউটপুট ব্যবহার করে মডেলটিকে মূল্যায়ন করি। আমরা আমাদের মূল্যায়ন মেট্রিক হিসাবে F1 স্কোর ব্যবহার করি কারণ এটি নির্ভুলতা এবং স্মরণের মধ্যে একটি ভারসাম্য প্রদান করে। আপনি নির্ভুলতা ব্যবহার করতে পারেন বা আপনার মডেল মূল্যায়ন মেট্রিক্স হিসাবে প্রত্যাহার করতে পারেন। কাস্টম লেবেল মূল্যায়ন মেট্রিক্স সম্পর্কে আরও তথ্যের জন্য, পড়ুন আপনার মডেল মূল্যায়নের জন্য মেট্রিক্স.
- আমরা যদি F1 স্কোর নিয়ে সন্তুষ্ট হই তাহলে আমরা ভবিষ্যদ্বাণীর জন্য মডেলটি ব্যবহার করা শুরু করি।
নিম্নলিখিত চিত্রটি ধাপ ফাংশন ওয়ার্কফ্লো চিত্রিত করে।
পূর্বশর্ত
কর্মপ্রবাহ স্থাপন করার আগে, আমাদের বিদ্যমান প্রশিক্ষণ এবং বৈধতা ডেটাসেট তৈরি করতে হবে। নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:
- প্রথমত, একটি অ্যামাজন স্বীকৃতি প্রকল্প তৈরি করুন.
- তারপর, প্রশিক্ষণ এবং বৈধতা ডেটাসেট তৈরি করুন.
- অবশেষে, AWS SAM CLI ইনস্টল করুন.
কর্মপ্রবাহ স্থাপন করুন
কর্মপ্রবাহ স্থাপন করতে, ক্লোন করুন GitHub সংগ্রহস্থল:
এই কমান্ডগুলি সংগ্রহস্থলে ব্যাখ্যা করা প্রম্পটের একটি সিরিজ সহ AWS-এ আপনার অ্যাপ্লিকেশন তৈরি, প্যাকেজ এবং স্থাপন করে।
কর্মপ্রবাহ চালান
ওয়ার্কফ্লো পরীক্ষা করতে, স্টেপ ফাংশন কনসোলে স্থাপন করা ওয়ার্কফ্লোতে নেভিগেট করুন, তারপর বেছে নিন মৃত্যুদন্ড শুরু করুন.
ওয়ার্কফ্লো সম্পূর্ণ হতে কয়েক মিনিট থেকে কয়েক ঘন্টা সময় লাগতে পারে। যদি মডেলটি মূল্যায়নের মাপকাঠিতে উত্তীর্ণ হয়, তবে মডেলটির জন্য একটি শেষ পয়েন্ট Amazon Recognition-এ তৈরি করা হয়। মডেলটি মূল্যায়নের মানদণ্ডে উত্তীর্ণ না হলে বা প্রশিক্ষণ ব্যর্থ হলে, কর্মপ্রবাহ ব্যর্থ হয়। আপনি স্টেপ ফাংশন কনসোলে কর্মপ্রবাহের স্থিতি পরীক্ষা করতে পারেন। আরো তথ্যের জন্য, পড়ুন স্টেপ ফাংশন কনসোলে এক্সিকিউশন দেখা এবং ডিবাগ করা.
মডেল পূর্বাভাস সঞ্চালন
মডেলের বিরুদ্ধে ভবিষ্যদ্বাণী করতে, আপনি কল করতে পারেন Amazon Recognition DetectCustomLabels API. এই API চালু করার জন্য, কলারের প্রয়োজনীয়তা থাকতে হবে এডাব্লুএস আইডেন্টিটি এবং অ্যাক্সেস ম্যানেজমেন্ট (IAM) অনুমতি। এই API ব্যবহার করে ভবিষ্যদ্বাণী সম্পাদনের বিষয়ে আরও বিশদ বিবরণের জন্য, পড়ুন একটি প্রশিক্ষিত মডেলের সাথে একটি চিত্র বিশ্লেষণ করা.
যাইহোক, আপনার যদি DetectCustomLabels API সর্বজনীনভাবে প্রকাশ করার প্রয়োজন হয়, তাহলে আপনি DetectCustomLabels API এর সাথে সামনে আসতে পারেন অ্যামাজন এপিআই গেটওয়ে. API গেটওয়ে একটি সম্পূর্ণরূপে পরিচালিত পরিষেবা যা ডেভেলপারদের জন্য যেকোনো স্কেলে API তৈরি, প্রকাশ, রক্ষণাবেক্ষণ, নিরীক্ষণ এবং সুরক্ষিত করা সহজ করে তোলে। API গেটওয়ে আপনার DetectCustomLabels API-এর সামনের দরজা হিসাবে কাজ করে, যেমনটি নিম্নলিখিত আর্কিটেকচার ডায়াগ্রামে দেখানো হয়েছে।
API গেটওয়ে ব্যবহারকারীর অনুমান অনুরোধ ফরওয়ার্ড করে এডাব্লুএস ল্যাম্বদা. Lambda হল একটি সার্ভারবিহীন, ইভেন্ট-চালিত কম্পিউট পরিষেবা যা আপনাকে কার্যত যেকোন ধরনের অ্যাপ্লিকেশন বা ব্যাকএন্ড পরিষেবার জন্য সার্ভারের ব্যবস্থা বা পরিচালনা ছাড়াই কোড চালাতে দেয়। Lambda API অনুরোধ গ্রহণ করে এবং প্রয়োজনীয় IAM অনুমতি সহ Amazon Recognition DetectCustomLabels API-কে কল করে। ল্যাম্বডা ইন্টিগ্রেশনের সাথে API গেটওয়ে কীভাবে সেট আপ করবেন সে সম্পর্কে আরও তথ্যের জন্য, পড়ুন API গেটওয়েতে ল্যাম্বডা প্রক্সি ইন্টিগ্রেশন সেট আপ করুন.
DetectCustomLabels API কল করার জন্য নিম্নলিখিত একটি উদাহরণ Lambda ফাংশন কোড:
পরিষ্কার কর
কর্মপ্রবাহ মুছে ফেলতে, AWS SAM CLI ব্যবহার করুন:
স্বীকৃতি কাস্টম লেবেল মডেল মুছে ফেলার জন্য, আপনি হয় Amazon Recognition কনসোল বা AWS SDK ব্যবহার করতে পারেন৷ আরো তথ্যের জন্য, পড়ুন একটি Amazon Recognition কাস্টম লেবেল মডেল মুছে ফেলা হচ্ছে.
উপসংহার
এই পোস্টে, আমরা একটি ডেটাসেট তৈরি করতে এবং তারপরে একটি স্বীকৃতি কাস্টম লেবেল মডেলকে প্রশিক্ষণ, মূল্যায়ন এবং ব্যবহার করার জন্য একটি ধাপ ফাংশন ওয়ার্কফ্লো দিয়ে চলেছি। কর্মপ্রবাহ অ্যাপ্লিকেশন ডেভেলপার এবং এমএল ইঞ্জিনিয়ারদের যেকোন কম্পিউটার ভিশন ব্যবহারের ক্ষেত্রে কাস্টম লেবেল শ্রেণীবিভাগের ধাপগুলি স্বয়ংক্রিয় করতে দেয়। কর্মপ্রবাহের কোডটি ওপেন সোর্সড।
আরও সার্ভারহীন শিক্ষার সংস্থানগুলির জন্য, দেখুন সার্ভারহীন জমি. স্বীকৃতি কাস্টম লেবেল সম্পর্কে আরও জানতে, দেখুন অ্যামাজন স্বীকৃতি কাস্টম লেবেল.
লেখক সম্পর্কে
বেদ রমন মেরিল্যান্ড ভিত্তিক মেশিন লার্নিংয়ের জন্য একজন সিনিয়র স্পেশালিস্ট সলিউশন আর্কিটেক্ট। Veda গ্রাহকদের দক্ষ, সুরক্ষিত এবং মাপযোগ্য মেশিন লার্নিং অ্যাপ্লিকেশনগুলিকে আর্কিটেক্ট করতে সাহায্য করার জন্য তাদের সাথে কাজ করে। Veda গ্রাহকদের মেশিন লার্নিংয়ের জন্য সার্ভারহীন প্রযুক্তির সুবিধা নিতে সাহায্য করতে আগ্রহী।
- এসইও চালিত বিষয়বস্তু এবং পিআর বিতরণ। আজই পরিবর্ধিত পান।
- প্লেটোব্লকচেন। Web3 মেটাভার্স ইন্টেলিজেন্স। জ্ঞান প্রসারিত. এখানে প্রবেশ করুন.
- উত্স: https://aws.amazon.com/blogs/machine-learning/automate-amazon-rekognition-custom-labels-model-training-and-deployment-using-aws-step-functions/
- : হয়
- $ ইউপি
- 100
- 7
- 8
- a
- সম্পর্কে
- প্রবেশ
- সঠিক
- দিয়ে
- কাজ
- উপরন্তু
- পর
- বিরুদ্ধে
- আলগোরিদিম
- অনুমতি
- ইতিমধ্যে
- মর্দানী স্ত্রীলোক
- আমাজন রেকোনিশন
- বিশ্লেষণ
- বিশ্লেষণ করা
- এবং
- API
- API গুলি
- আবেদন
- অ্যাপ্লিকেশন
- স্থাপত্য
- রয়েছি
- AS
- সমাবেশ
- At
- স্বয়ংক্রিয় পদ্ধতি প্রয়োগ করা
- স্বয়ংক্রিয়ভাবে
- স্বয়ংক্রিয়করণ
- সহজলভ্য
- ডেস্কটপ AWS
- এডাব্লুএস স্টেপ ফাংশন
- ব্যাক-এন্ড
- ভারসাম্য
- ভিত্তি
- কারণ
- হয়ে
- শুরু করা
- পিছনে
- দৃশ্যের অন্তরালে
- মধ্যে
- শরীর
- নির্মাণ করা
- ভবন
- তৈরী করে
- ব্যবসায়
- কল
- আহ্বানকারী
- কল
- CAN
- ক্ষমতা
- যত্ন
- কেস
- বিভাগ
- CD
- অক্ষর
- চেক
- বেছে নিন
- শ্রেণীবিন্যাস
- শ্রেণীভুক্ত করা
- মক্কেল
- কোড
- সম্পূর্ণ
- গনা
- কম্পিউটার
- কম্পিউটার ভিশন
- কনসোল
- প্রসঙ্গ
- পারা
- সৃষ্টি
- নির্মিত
- তৈরি করা হচ্ছে
- নির্ণায়ক
- প্রথা
- গ্রাহকদের
- উপাত্ত
- ডেটাসেট
- সিদ্ধান্ত
- স্থাপন
- মোতায়েন
- মোতায়েন
- বিস্তৃতি
- বিস্তারিত
- সনাক্তকরণ
- ডেভেলপারদের
- সরাসরি
- প্রভেদ করা
- বণ্টিত
- না
- দরজা
- সহজ
- ব্যবহার করা সহজ
- দক্ষ
- পারেন
- শেষপ্রান্ত
- প্রকৌশলী
- যথেষ্ট
- থার (eth)
- মূল্যায়ন
- মূল্যায়নের
- মূল্যায়ন
- ঘটনা
- উদাহরণ
- বিদ্যমান
- ল্যাপারোস্কোপিক পদ্ধতি
- ব্যাখ্যা
- f1
- ব্যর্থ
- ব্যর্থ
- প্রতিক্রিয়া
- কয়েক
- ফাইল
- আবিষ্কার
- প্রথম
- অনুসরণ
- অনুসরণ
- জন্য
- থেকে
- সদর
- সম্পূর্ণরূপে
- ক্রিয়া
- ক্রিয়াকলাপ
- প্রবেশপথ
- উৎপাদিত
- git
- স্থল
- আছে
- সুস্থ
- ভারী
- ভারী উত্তোলন
- সাহায্য
- সাহায্য
- সাহায্য
- হোস্টিং
- ঘন্টার
- কিভাবে
- কিভাবে
- এইচটিএমএল
- HTTPS দ্বারা
- আমি
- সনাক্ত করা
- পরিচয়
- ভাবমূর্তি
- চিত্র বিশ্লেষণ
- ছবির শ্রেণীবিভাগ
- চিত্র
- in
- তথ্য
- পরিবর্তে
- সম্পূর্ণ
- ইন্টিগ্রেশন
- ঐক্যবদ্ধতার
- আগ্রহী
- ইন্টারফেস
- জড়িত
- IT
- JSON
- লেবেল
- লেবেল
- লেবেলগুলি
- বড়
- শিখতে
- শিক্ষা
- যাক
- লেভারেজ
- উদ্ধরণ
- লাইন
- লোড
- স্থানীয়
- লোগো
- মেশিন
- মেশিন লার্নিং
- বজায় রাখা
- করা
- তৈরি করে
- পরিচালিত
- পরিচালক
- ম্যানুয়াল
- ম্যানুয়াল কাজ
- অনেক
- মেরিল্যান্ড
- মিডিয়া
- পদ্ধতি
- ছন্দোময়
- ছন্দোবিজ্ঞান
- microservices
- হতে পারে
- লক্ষ লক্ষ
- মিনিট
- ML
- এমএল অ্যালগরিদম
- মডেল
- মনিটর
- মাসের
- অধিক
- নেভিগেট করুন
- প্রয়োজনীয়
- প্রয়োজন
- চাহিদা
- নতুন
- লক্ষ্য
- বস্তু সনাক্তকরণ
- of
- on
- OS
- আউটপুট
- প্যাকেজ
- সমান্তরাল
- যন্ত্রাংশ
- পাস
- সম্পাদন করা
- কর্মক্ষমতা
- করণ
- অনুমতি
- গাছপালা
- Plato
- প্লেটো ডেটা ইন্টেলিজেন্স
- প্লেটোডাটা
- পোস্ট
- পোস্ট
- স্পষ্টতা
- ভবিষ্যতবাণী
- প্রস্তুত করা
- আগে
- প্রসেস
- পণ্য
- প্রকল্প
- প্রদান
- উপলব্ধ
- প্রক্সি
- প্রকাশ্যে
- প্রকাশ করা
- বাস্তব জগতে
- প্রকৃত সময়
- গৃহীত
- পায়
- হ্রাস করা
- সংগ্রহস্থলের
- প্রতিনিধিত্বমূলক
- অনুরোধ
- প্রয়োজন
- প্রয়োজন
- Resources
- প্রতিক্রিয়া
- প্রত্যাবর্তন
- চালান
- s
- ঋষি নির্মাতা
- স্যাম
- সন্তুষ্ট
- সন্তুষ্টের সাথে
- মাপযোগ্য
- স্কেল
- লোকচক্ষুর
- স্কোর
- SDK
- নিরাপদ
- জ্যেষ্ঠ
- ক্রম
- Serverless
- সার্ভারের
- সেবা
- সেবা
- সেট
- বিভিন্ন
- তাক
- প্রদর্শনী
- প্রদর্শিত
- গুরুত্বপূর্ণ
- সহজ
- কেবল
- থেকে
- ছোট
- সামাজিক
- সামাজিক মাধ্যম
- সামাজিক মিডিয়া পোস্ট
- সলিউশন
- বিশেষজ্ঞ
- নির্দিষ্ট
- শুরু
- অবস্থা
- ধাপ
- প্রারম্ভিক ব্যবহারের নির্দেশাবলী
- স্টোরেজ
- দোকান
- গঠন
- গ্রহণ করা
- গ্রহণ
- দল
- প্রযুক্তি
- পরীক্ষা
- যে
- সার্জারির
- তাহাদিগকে
- হাজার হাজার
- দ্বারা
- সময়
- থেকে
- রেলগাড়ি
- প্রশিক্ষিত
- প্রশিক্ষণ
- ট্রেন
- সাধারণত
- ব্যবহার
- ব্যবহার ক্ষেত্রে
- বৈধতা
- মাধ্যমে
- Videos
- ফলত
- দৃষ্টি
- দেখুন
- পদচারণা
- যে
- সঙ্গে
- মধ্যে
- ছাড়া
- হয়া যাই ?
- কর্মপ্রবাহ
- কাজ
- আপনার
- zephyrnet