【ML Study Jams#2メモ】

(変更中)staff's note

こんにちは！棘崎です！！
今回は先日参加した、Googleが行っていた『ML Study Jams(2回目)』

で体験した GCPのAutoML Vision について、トレーニング内容を画面を交えながら書いてみます。

GCPの「Cloud Vision」

詳細をここでは記載しませんが、画像を見分けたり、画像の中から情報を取り出したり、画像を分類したり…ということが、比較的簡単に行えてしまうすごい仕組みです。ML Study Jamsでの課題の一つが、この機能を使ったこちら

雲（の画像）をAutoML Visionを使用して分類する というものでした。
もちろん、これはトレーニング用に用意されたデータで行っているということはあるかもしれませんが、確かに簡単だったのでどのくらい簡単だったか書いてみます。

大まかな流れ

こんな感じです。
　１）GCP上で「AutlML Vision」を使用する準備をする
　２）トレーニング用データを用意。クラウド上に配置する
　　　（今回の場合３パターンに分類だったので、３つに分けて配置）
　３）２）のデータでトレーニング
　４）トレーニングした結果（モデル）の確認（精度など）
　５）４）のモデルで予測してみる
・・・いや、普通もこうですよね、と思われるかもしれませんがそれが本当に簡単といいますか、いわゆるコーディングを必要とせずにできるのです。。

実際のキャプチャー

それでは実際に作業したキャプチャーを以下に貼ります。
上記の流れの１）は初期設定なので割愛します。（大事ですが）

・２）のトレーニング用データの用意、について、クラウド上にタグ付けされた雲の写真が用意された状態を示します。

３種類のタグを雲につけています。各種20枚ずつあることがわかります。

・次に３）のトレーニング用データを使ったトレーニングです。
　…いろいろオプションはありますが、基本[START TRAINNG]ボタンを押すだけ。なんて楽。すごい。（なお、スタート後10分前後待ちます。）

・そして４）の確認。

↑間違って分類しているものもありますが、取り合えず精度は9割弱ということでこのまま進みます。。。

・そして、５）の予測。２枚の雲画像が正しく分類されるか見てみます。

↑２枚とも当たってるようです！

以上で終わりです。本当に簡単に使えそうですよね。
私もこのトレーニングをしたことで、ぜひ手持ちの画像を使った分類もしてみたいと思いました。機会があればまたnoteにあげたいと思います。

余談１：雲の種類について

ところで、私はこのトレーニングで雲の種類の表記（英語）が気になり、後程調べたところ、なんと国際的に雲の種類名は決まっているということがわかりました。
このトレーニングで分類した３種類の雲は特に代表的な雲の種類「十種雲形」のうちの「巻雲(cirrus)」「積乱雲(cumulonimbus)」「積雲(cumlus)」でした。
この界隈で有名な荒木博士のツイッターでこのような見分けチャートを見つけました。

画像の分類の勉強で雲の豆知識まで増えてしまいました！

余談２：Tシャツをもらった！

最初に貼ったML Study Jamsのページの下の方に記載があるので気づいた方もいらっしゃるかもしれませんが、このJams、与えられたメニュー中４つを受講した人にはSpecialGiftとしてTシャツがもらえるという、なんだか勉強させてもらった上にいいんですか？！みたいな企画でした。
私はもちろんかっこいいTensorFlowのロゴが入ったTシャツが欲しかったので４つ（以上）受講しました！無事Tシャツももらえました。うれしいですね。

（Tシャツ、思ったより厚手で長持ちしそうです！ありがとうございます）

ML Study JamsとQwikLabs、よい！

ということで、ML Study Jamsと、体験した、AutoML Visionによる画像分類についてでした！
今回初めてML Study Jams、そして仕組みとしてQwikLabsというトレーニングシステムでGCPのいろいろな機能の体験ができたのですが、実際のGCP上で体験できる仕組みはすごくよかったです。
PythonなどはDataQuestやDataCampのようなシステムがありますが、GCPは（AWSもできるみたいですが）、QwikLabsいいな、と思いました。

いいなと思ったら応援しよう！