Hugging Face AutoTrain 画像分類

Hugging Face は AutoTrain を拡張し、画像分類をサポートしました。これにより、ユーザーはコードを書くことや手動で設定することなく、カスタムモデルをトレーニングして画像をカテゴリ分けできるようになります。このアップデートは、モデル選択とトレーニングプロセスを自動化することで、機械学習への技術的ハードルを下げます。

設定不要のモデル学習

AutoTrain は「ノーコード」環境を提供し、ユーザーはタスクを選択しデータをアップロードするだけでモデルをトレーニングできます。システムは複数のモデルアーキテクチャを試行し、最適なパフォーマーを見つけることで手動設定の必要性を排除します。Hugging Face によれば、この自動化アプローチはエンジニアが手作業でトレーニングしたモデルを上回る可能性があるとのことです。

画像分類の機能

画像分類モデルは画像を特定のラベルに分類するよう設計されています。主なユースケースは次のとおりです。

  • 署名の認識
  • 鳥種の識別
  • 植物病害の特定

ユーザーはタスクに適したデータセットさえ用意すれば、これらの分類器を構築できます。

画像分類器のトレーニングワークフロー

AutoTrain を使用してカスタム画像分類器をトレーニングするには、以下の構造化されたプロセスに従います。

  1. プロジェクト設定: ユーザーは AutoTrain のホームページで新しいプロジェクトを作成し、タスクとして「Image Classification」を選択します。「Automatic」モデルオプションを選ぶと、AutoTrain がアーキテクチャ検索を行います。
  2. データ統合: データはローカルフォルダーからドラッグ＆ドロップでアップロードするか、Hugging Face Hub にある画像分類データセットから直接取得できます。
  3. データセット分割: ユーザーは別々のトレーニングデータと検証データを提供するか、AutoTrain にデータを自動で分割させることができます。
  4. モデル選択: ユーザーはテストするモデル候補の数を指定します。画像が 500 枚未満で、候補モデルが最大 5 つまでのプロジェクトは、無料でトレーニングが提供されます。
  5. 評価とデプロイ: AutoTrain はトレーニングプロセスを監視し、リソース節約のために性能が低いモデルを停止させることがあります。トレーニングが完了すると、最も性能の良いモデルが Hugging Face Hub にアップロードされ、統合された推論ウィジェットでテストできます。

Sources