- अमेज़ॅन रेकग्निशन कस्टम लेबल, आप ले सकते हैं अमेज़ॅन रेकग्निशन अपनी व्यावसायिक आवश्यकताओं के लिए विशिष्ट वस्तु पहचान या छवि वर्गीकरण के लिए एक कस्टम मॉडल को प्रशिक्षित करें। उदाहरण के लिए, रिकॉग्निशन कस्टम लेबल सोशल मीडिया पोस्ट में आपका लोगो ढूंढ सकते हैं, स्टोर अलमारियों पर आपके उत्पादों की पहचान कर सकते हैं, असेंबली लाइन में मशीन भागों को वर्गीकृत कर सकते हैं, स्वस्थ और संक्रमित पौधों को अलग कर सकते हैं, या वीडियो में एनिमेटेड पात्रों का पता लगा सकते हैं।
छवियों का विश्लेषण करने के लिए एक रिकॉग्निशन कस्टम लेबल मॉडल विकसित करना एक महत्वपूर्ण उपक्रम है जिसके लिए समय, विशेषज्ञता और संसाधनों की आवश्यकता होती है, जिसे पूरा करने में अक्सर महीनों लग जाते हैं। इसके अतिरिक्त, मॉडल को सटीक निर्णय लेने के लिए पर्याप्त डेटा प्रदान करने के लिए अक्सर हजारों या दसियों हजार हाथ से लेबल वाली छवियों की आवश्यकता होती है। इस डेटा को तैयार करने में महीनों लग सकते हैं और इसे मशीन लर्निंग (एमएल) में उपयोग के लिए तैयार करने के लिए लेबलर्स की बड़ी टीमों की आवश्यकता होती है।
रिकॉग्निशन कस्टम लेबल्स के साथ, हम आपके लिए भारी सामान उठाने का ख्याल रखते हैं। रिकॉग्निशन कस्टम लेबल अमेज़ॅन रिकॉग्निशन की मौजूदा क्षमताओं का निर्माण करता है, जो पहले से ही कई श्रेणियों में लाखों छवियों पर प्रशिक्षित है। हजारों छवियों के बजाय, आपको बस प्रशिक्षण छवियों का एक छोटा सेट (आमतौर पर कुछ सौ छवियां या उससे कम) अपलोड करना होगा जो हमारे उपयोग में आसान कंसोल के माध्यम से आपके उपयोग के मामले के लिए विशिष्ट हैं। यदि आपकी छवियां पहले से ही लेबल की गई हैं, तो अमेज़ॅन रिकॉग्निशन कुछ ही क्लिक में प्रशिक्षण शुरू कर सकता है। यदि नहीं, तो आप उन्हें सीधे अमेज़ॅन रिकॉग्निशन लेबलिंग इंटरफ़ेस के भीतर लेबल कर सकते हैं, या उपयोग कर सकते हैं अमेज़ॅन सैजमेकर ग्राउंड ट्रुथ उन्हें आपके लिए लेबल करने के लिए. अमेज़ॅन रिकॉग्निशन द्वारा आपके छवि सेट से प्रशिक्षण शुरू करने के बाद, यह कुछ ही घंटों में आपके लिए एक कस्टम छवि विश्लेषण मॉडल तैयार करता है। पर्दे के पीछे, रिकॉग्निशन कस्टम लेबल स्वचालित रूप से प्रशिक्षण डेटा को लोड और निरीक्षण करता है, सही एमएल एल्गोरिदम का चयन करता है, एक मॉडल को प्रशिक्षित करता है, और मॉडल प्रदर्शन मेट्रिक्स प्रदान करता है। फिर आप अपने कस्टम मॉडल को रिकॉग्निशन कस्टम लेबल्स एपीआई के माध्यम से उपयोग कर सकते हैं और इसे अपने अनुप्रयोगों में एकीकृत कर सकते हैं।
हालाँकि, एक रिकॉग्निशन कस्टम लेबल मॉडल का निर्माण और वास्तविक समय की भविष्यवाणियों के लिए इसे होस्ट करने में कई चरण शामिल हैं: एक प्रोजेक्ट बनाना, प्रशिक्षण और सत्यापन डेटासेट बनाना, मॉडल को प्रशिक्षित करना, मॉडल का मूल्यांकन करना और फिर एक समापन बिंदु बनाना। मॉडल को अनुमान के लिए तैनात करने के बाद, नया डेटा उपलब्ध होने पर या वास्तविक दुनिया के अनुमान से फीडबैक प्राप्त होने पर आपको मॉडल को फिर से प्रशिक्षित करना पड़ सकता है। संपूर्ण वर्कफ़्लो को स्वचालित करने से मैन्युअल कार्य को कम करने में मदद मिल सकती है।
इस पोस्ट में, हम दिखाते हैं कि आप कैसे उपयोग कर सकते हैं AWS स्टेप फ़ंक्शंस वर्कफ़्लो बनाने और स्वचालित करने के लिए। स्टेप फ़ंक्शंस एक विज़ुअल वर्कफ़्लो सेवा है जो डेवलपर्स को वितरित एप्लिकेशन बनाने, प्रक्रियाओं को स्वचालित करने, माइक्रोसर्विसेज को व्यवस्थित करने और डेटा और एमएल पाइपलाइन बनाने के लिए AWS सेवाओं का उपयोग करने में मदद करती है।
समाधान अवलोकन
स्टेप फ़ंक्शंस वर्कफ़्लो इस प्रकार है:
- हम सबसे पहले एक Amazon Recognition प्रोजेक्ट बनाते हैं।
- समानांतर में, हम मौजूदा डेटासेट का उपयोग करके प्रशिक्षण और सत्यापन डेटासेट बनाते हैं। हम निम्नलिखित विधियों का उपयोग कर सकते हैं:
- से एक फ़ोल्डर संरचना आयात करें अमेज़न सरल भंडारण सेवा (अमेज़ॅन S3) लेबल का प्रतिनिधित्व करने वाले फ़ोल्डरों के साथ।
- स्थानीय कंप्यूटर का उपयोग करें.
- जमीनी सच्चाई का प्रयोग करें.
- AWS SDK के साथ मौजूदा डेटासेट का उपयोग करके एक डेटासेट बनाएं.
- AWS SDK के साथ मेनिफेस्ट फ़ाइल के साथ एक डेटासेट बनाएं.
- डेटासेट बनने के बाद, हम इसका उपयोग करके एक कस्टम लेबल मॉडल को प्रशिक्षित करते हैं प्रोजेक्ट संस्करण बनाएँ एपीआई. इसे पूरा होने में मिनटों से लेकर घंटों तक का समय लग सकता है।
- मॉडल को प्रशिक्षित करने के बाद, हम पिछले चरण से F1 स्कोर आउटपुट का उपयोग करके मॉडल का मूल्यांकन करते हैं। हम F1 स्कोर का उपयोग अपने मूल्यांकन मीट्रिक के रूप में करते हैं क्योंकि यह सटीकता और रिकॉल के बीच संतुलन प्रदान करता है। आप अपने मॉडल मूल्यांकन मेट्रिक्स के रूप में परिशुद्धता या रिकॉल का भी उपयोग कर सकते हैं। कस्टम लेबल मूल्यांकन मेट्रिक्स पर अधिक जानकारी के लिए, देखें अपने मॉडल के मूल्यांकन के लिए मेट्रिक्स.
- यदि हम F1 स्कोर से संतुष्ट हैं तो हम भविष्यवाणियों के लिए मॉडल का उपयोग करना शुरू करते हैं।
निम्न आरेख स्टेप फ़ंक्शंस वर्कफ़्लो दिखाता है।
.. पूर्वापेक्षाएँ
वर्कफ़्लो को तैनात करने से पहले, हमें मौजूदा प्रशिक्षण और सत्यापन डेटासेट बनाने की आवश्यकता है। निम्नलिखित चरणों को पूरा करें:
- सबसे पहले, एक अमेज़ॅन रिकॉग्निशन प्रोजेक्ट बनाएं.
- फिर, प्रशिक्षण और सत्यापन डेटासेट बनाएं.
- अंत में, AWS SAM CLI स्थापित करें.
वर्कफ़्लो तैनात करें
वर्कफ़्लो को तैनात करने के लिए, क्लोन करें गिटहब भंडार:
ये कमांड रिपॉजिटरी में बताए गए संकेतों की एक श्रृंखला के साथ आपके एप्लिकेशन को AWS पर बनाते, पैकेज और तैनात करते हैं।
वर्कफ़्लो चलाएं
वर्कफ़्लो का परीक्षण करने के लिए, स्टेप फ़ंक्शंस कंसोल पर तैनात वर्कफ़्लो पर नेविगेट करें, फिर चुनें अमल शुरू करो.
वर्कफ़्लो को पूरा होने में कुछ मिनटों से लेकर कुछ घंटों तक का समय लग सकता है। यदि मॉडल मूल्यांकन मानदंडों को पास करता है, तो अमेज़ॅन रिकॉग्निशन में मॉडल के लिए एक समापन बिंदु बनाया जाता है। यदि मॉडल मूल्यांकन मानदंडों को पूरा नहीं करता है या प्रशिक्षण विफल हो जाता है, तो वर्कफ़्लो विफल हो जाता है। आप स्टेप फ़ंक्शंस कंसोल पर वर्कफ़्लो की स्थिति की जांच कर सकते हैं। अधिक जानकारी के लिए देखें स्टेप फ़ंक्शंस कंसोल पर निष्पादन देखना और डिबग करना.
मॉडल पूर्वानुमान निष्पादित करें
मॉडल के विरुद्ध पूर्वानुमान लगाने के लिए, आप कॉल कर सकते हैं अमेज़ॅन रिकॉग्निशन डिटेक्टकस्टमलैबल्स एपीआई. इस एपीआई को लागू करने के लिए, कॉल करने वाले के पास आवश्यक जानकारी होनी चाहिए AWS पहचान और अभिगम प्रबंधन (आईएएम) अनुमतियाँ। इस एपीआई का उपयोग करके भविष्यवाणियां करने के बारे में अधिक जानकारी के लिए देखें एक प्रशिक्षित मॉडल के साथ एक छवि का विश्लेषण.
हालाँकि, यदि आपको डिटेक्टकस्टमलैबल्स एपीआई को सार्वजनिक रूप से उजागर करने की आवश्यकता है, तो आप डिटेक्टकस्टमलैबल्स एपीआई को सामने रख सकते हैं अमेज़ॅन एपीआई गेटवे. एपीआई गेटवे एक पूरी तरह से प्रबंधित सेवा है जो डेवलपर्स के लिए किसी भी पैमाने पर एपीआई बनाना, प्रकाशित करना, रखरखाव करना, निगरानी करना और सुरक्षित करना आसान बनाती है। एपीआई गेटवे आपके डिटेक्टकस्टमलैबल्स एपीआई के लिए फ्रंट डोर के रूप में कार्य करता है, जैसा कि निम्नलिखित आर्किटेक्चर आरेख में दिखाया गया है।
एपीआई गेटवे उपयोगकर्ता के अनुमान अनुरोध को आगे भेजता है AWS लाम्बा. लैम्ब्डा एक सर्वर रहित, इवेंट-संचालित कंप्यूट सेवा है जो आपको सर्वर का प्रावधान या प्रबंधन किए बिना वस्तुतः किसी भी प्रकार के एप्लिकेशन या बैकएंड सेवा के लिए कोड चलाने की सुविधा देती है। लैम्ब्डा एपीआई अनुरोध प्राप्त करता है और आवश्यक आईएएम अनुमतियों के साथ अमेज़ॅन रिकॉग्निशन डिटेक्टकस्टमलैबल्स एपीआई को कॉल करता है। लैम्ब्डा एकीकरण के साथ एपीआई गेटवे कैसे स्थापित करें, इस बारे में अधिक जानकारी के लिए देखें एपीआई गेटवे में लैम्ब्डा प्रॉक्सी एकीकरण स्थापित करें.
डिटेक्टकस्टमलैबल्स एपीआई को कॉल करने के लिए लैम्ब्डा फ़ंक्शन कोड का एक उदाहरण निम्नलिखित है:
क्लीन अप
वर्कफ़्लो को हटाने के लिए, AWS SAM CLI का उपयोग करें:
रिकॉग्निशन कस्टम लेबल मॉडल को हटाने के लिए, आप या तो अमेज़ॅन रिकॉग्निशन कंसोल या एडब्ल्यूएस एसडीके का उपयोग कर सकते हैं। अधिक जानकारी के लिए देखें Amazon Recognition कस्टम लेबल मॉडल को हटाना.
निष्कर्ष
इस पोस्ट में, हमने एक डेटासेट बनाने के लिए स्टेप फ़ंक्शंस वर्कफ़्लो का अध्ययन किया और फिर एक रिकॉग्निशन कस्टम लेबल मॉडल को प्रशिक्षित, मूल्यांकन और उपयोग किया। वर्कफ़्लो एप्लिकेशन डेवलपर्स और एमएल इंजीनियरों को किसी भी कंप्यूटर विज़न उपयोग मामले के लिए कस्टम लेबल वर्गीकरण चरणों को स्वचालित करने की अनुमति देता है। वर्कफ़्लो के लिए कोड ओपन-सोर्स है।
अधिक सर्वर रहित शिक्षण संसाधनों के लिए, देखें सर्वर रहित भूमि. रिकॉग्निशन कस्टम लेबल के बारे में अधिक जानने के लिए, यहां जाएं अमेज़ॅन रेकग्निशन कस्टम लेबल.
लेखक के बारे में
वेद रमणी मैरीलैंड में स्थित मशीन लर्निंग के लिए एक वरिष्ठ विशेषज्ञ समाधान वास्तुकार है। वेदा ग्राहकों को कुशल, सुरक्षित और स्केलेबल मशीन लर्निंग एप्लिकेशन बनाने में मदद करने के लिए उनके साथ काम करती है। वेद मशीन लर्निंग के लिए सर्वर रहित तकनीकों का लाभ उठाने में ग्राहकों की मदद करने में रुचि रखता है।
- एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
- प्लेटोब्लॉकचैन। Web3 मेटावर्स इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
- स्रोत: https://aws.amazon.com/blogs/machine-learning/automate-amazon-rekognition-custom-labels-model-training-and-deployment-using-aws-step-functions/
- :है
- $यूपी
- 100
- 7
- 8
- a
- About
- पहुँच
- सही रूप में
- के पार
- कार्य करता है
- इसके अतिरिक्त
- बाद
- के खिलाफ
- एल्गोरिदम
- की अनुमति देता है
- पहले ही
- वीरांगना
- अमेज़ॅन रेकग्निशन
- विश्लेषण
- विश्लेषण करें
- और
- एपीआई
- एपीआई
- आवेदन
- अनुप्रयोगों
- स्थापत्य
- हैं
- AS
- विधानसभा
- At
- को स्वचालित रूप से
- स्वतः
- स्वचालित
- उपलब्ध
- एडब्ल्यूएस
- AWS स्टेप फ़ंक्शंस
- बैकएण्ड
- शेष
- आधारित
- क्योंकि
- हो जाता है
- शुरू करना
- पीछे
- परदे के पीछे
- के बीच
- परिवर्तन
- निर्माण
- इमारत
- बनाता है
- व्यापार
- कॉल
- कोलर
- कॉल
- कर सकते हैं
- क्षमताओं
- कौन
- मामला
- श्रेणियाँ
- CD
- अक्षर
- चेक
- चुनें
- वर्गीकरण
- वर्गीकृत
- ग्राहक
- कोड
- पूरा
- गणना करना
- कंप्यूटर
- Computer Vision
- कंसोल
- प्रसंग
- सका
- बनाना
- बनाया
- बनाना
- मापदंड
- रिवाज
- ग्राहक
- तिथि
- डेटासेट
- निर्णय
- तैनात
- तैनात
- तैनाती
- तैनाती
- विवरण
- खोज
- डेवलपर्स
- सीधे
- अंतर करना
- वितरित
- नहीं करता है
- द्वारा
- आसान
- आसान करने के लिए उपयोग
- कुशल
- भी
- endpoint
- इंजीनियर्स
- पर्याप्त
- ईथर (ईटीएच)
- मूल्यांकन करें
- का मूल्यांकन
- मूल्यांकन
- कार्यक्रम
- उदाहरण
- मौजूदा
- विशेषज्ञता
- समझाया
- f1
- विफल रहे
- विफल रहता है
- प्रतिक्रिया
- कुछ
- पट्टिका
- खोज
- प्रथम
- निम्नलिखित
- इस प्रकार है
- के लिए
- से
- सामने
- पूरी तरह से
- समारोह
- कार्यों
- प्रवेश द्वार
- सृजन
- जाना
- जमीन
- है
- स्वस्थ
- mmmmm
- भार उठाना
- मदद
- मदद
- मदद करता है
- होस्टिंग
- घंटे
- कैसे
- How To
- एचटीएमएल
- HTTPS
- आई ए एम
- पहचान करना
- पहचान
- की छवि
- छवि विश्लेषण
- छवि वर्गीकरण
- छवियों
- in
- करें-
- बजाय
- एकीकृत
- एकीकरण
- एकीकरण
- रुचि
- इंटरफेस
- शामिल
- IT
- JSON
- लेबल
- लेबलिंग
- लेबल
- बड़ा
- जानें
- सीख रहा हूँ
- चलें
- लीवरेज
- उत्तोलक
- लाइन
- भार
- स्थानीय
- प्रतीक चिन्ह
- मशीन
- यंत्र अधिगम
- बनाए रखना
- बनाना
- बनाता है
- कामयाब
- प्रबंध
- गाइड
- मैनुअल काम
- बहुत
- मेरीलैंड
- मीडिया
- तरीकों
- मीट्रिक
- मेट्रिक्स
- microservices
- हो सकता है
- लाखों
- मिनट
- ML
- एमएल एल्गोरिदम
- आदर्श
- मॉनिटर
- महीने
- अधिक
- नेविगेट करें
- आवश्यक
- आवश्यकता
- की जरूरत है
- नया
- वस्तु
- ऑब्जेक्ट डिटेक्शन
- of
- on
- OS
- उत्पादन
- पैकेज
- समानांतर
- भागों
- गुजरता
- निष्पादन
- प्रदर्शन
- प्रदर्शन
- अनुमतियाँ
- पौधों
- प्लेटो
- प्लेटो डेटा इंटेलिजेंस
- प्लेटोडाटा
- पद
- पोस्ट
- शुद्धता
- भविष्यवाणियों
- तैयार करना
- पिछला
- प्रक्रियाओं
- उत्पाद
- परियोजना
- प्रदान करना
- प्रदान करता है
- प्रतिनिधि
- सार्वजनिक रूप से
- प्रकाशित करना
- असली दुनिया
- वास्तविक समय
- प्राप्त
- प्राप्त
- को कम करने
- कोष
- का प्रतिनिधित्व
- का अनुरोध
- की आवश्यकता होती है
- की आवश्यकता होती है
- उपयुक्त संसाधन चुनें
- प्रतिक्रिया
- वापसी
- रन
- s
- sagemaker
- सैम
- संतुष्ट
- से संतुष्ट
- स्केलेबल
- स्केल
- दृश्यों
- स्कोर
- एसडीके
- सुरक्षित
- वरिष्ठ
- कई
- serverless
- सर्वर
- सेवा
- सेवाएँ
- सेट
- कई
- अलमारियों
- दिखाना
- दिखाया
- महत्वपूर्ण
- सरल
- केवल
- के बाद से
- छोटा
- सोशल मीडिया
- सोशल मीडिया
- सोशल मीडिया पोस्ट
- समाधान ढूंढे
- विशेषज्ञ
- विशिष्ट
- प्रारंभ
- स्थिति
- कदम
- कदम
- भंडारण
- की दुकान
- संरचना
- लेना
- ले जा
- टीमों
- टेक्नोलॉजीज
- परीक्षण
- कि
- RSI
- उन
- हजारों
- यहाँ
- पहर
- सेवा मेरे
- रेलगाड़ी
- प्रशिक्षित
- प्रशिक्षण
- गाड़ियों
- आम तौर पर
- उपयोग
- उदाहरण
- सत्यापन
- के माध्यम से
- वीडियो
- वास्तव में
- दृष्टि
- भेंट
- चला
- कौन कौन से
- साथ में
- अंदर
- बिना
- काम
- वर्कफ़्लो
- कार्य
- आपका
- जेफिरनेट