Google AutoML 视觉 API 和 Google 视觉 API 自定义算法
Google AutoML Vision API and Google Vision API Custom Algorithm
我正在查看 Google AutoML Vision API 和 Google Vision API。我知道，如果您使用 Google AutoML Vision API，它就是一个自定义模型，因为您根据自己的图像训练 ML 模型并定义自己的标签。当使用 Google Vision API 时，您使用的是预训练模型...
但是，我想知道是否可以使用我自己的算法（我创建的算法而不是由 Google 提供）并将其与 Vision / AutoML Vision API 一起使用？ ...
当然，您绝对可以在 Google 云上部署自己的 ML 算法，而无需绑定到 Vision 或 AutoML API。
我在同一用例中多次使用的两种方法：
无服务器方法，如果您的模型在计算资源需求方面相对较轻 - 部署您自己的自定义云函数。更多信息 here。
更具体地说，它的工作方式是您只需调用您的云函数，直接传递您的图像（base64 或指向存储位置）。该函数然后自动分配所有需要的资源（自动），运行 你的自定义算法来处理图像 and/or 运行 推理，将结果发回并消失（释放所有资源，不再 运行宁成本）。整洁 :)
Google 人工智能平台。更多信息 here
Use AI Platform to train your machine learning models at scale, to host your trained model in the cloud, and to use your model to make predictions about new data.
如有疑问，请选择 AI Platform，因为整个管道都很好地排列了您的任何自定义 code/models。也非常适合在生产环境中部署。
我正在查看 Google AutoML Vision API 和 Google Vision API。我知道，如果您使用 Google AutoML Vision API，它就是一个自定义模型，因为您根据自己的图像训练 ML 模型并定义自己的标签。当使用 Google Vision API 时，您使用的是预训练模型...
但是，我想知道是否可以使用我自己的算法（我创建的算法而不是由 Google 提供）并将其与 Vision / AutoML Vision API 一起使用？ ...
当然，您绝对可以在 Google 云上部署自己的 ML 算法，而无需绑定到 Vision 或 AutoML API。
我在同一用例中多次使用的两种方法：
无服务器方法，如果您的模型在计算资源需求方面相对较轻 - 部署您自己的自定义云函数。更多信息 here。 更具体地说，它的工作方式是您只需调用您的云函数，直接传递您的图像（base64 或指向存储位置）。该函数然后自动分配所有需要的资源（自动），运行 你的自定义算法来处理图像 and/or 运行 推理，将结果发回并消失（释放所有资源，不再 运行宁成本）。整洁 :)
Google 人工智能平台。更多信息 here
Use AI Platform to train your machine learning models at scale, to host your trained model in the cloud, and to use your model to make predictions about new data.
如有疑问，请选择 AI Platform，因为整个管道都很好地排列了您的任何自定义 code/models。也非常适合在生产环境中部署。