Hugging Face AutoTrain 이미지 분류
설정 없이 모델 학습
AutoTrain은 사용자가 작업을 선택하고 데이터를 업로드함으로써 모델을 학습할 수 있는 "코드 없는" 환경을 제공합니다. 시스템은 여러 모델 아키텍처를 실험하여 최적의 성능을 찾음으로써 수동 설정의 필요성을 없애줍니다. Hugging Face에 따르면, 이 자동화된 접근 방식은 엔지니어가 직접 학습시킨 모델보다 더 높은 성능을 보이는 모델을 만들 수 있다고 합니다.
이미지 분류 기능
이미지 분류 모델은 이미지를 특정 라벨로 구분하도록 설계되었습니다. 잠재적인 사용 사례는 다음과 같습니다:
- 서명 인식
- 새 종 구분
- 식물 질병 식별
사용자는 해당 작업에 적합한 데이터셋만 있다면 이러한 분류기를 구축할 수 있습니다.
이미지 분류기 학습 워크플로우
AutoTrain을 통해 맞춤형 이미지 분류기를 학습하는 과정은 다음과 같은 구조화된 절차를 따릅니다:
- 프로젝트 설정: 사용자는 AutoTrain 홈페이지에서 새 프로젝트를 만들고 작업으로 "Image Classification"을 선택합니다. "Automatic" 모델 옵션을 선택하면 AutoTrain이 아키텍처 탐색을 담당합니다.
- 데이터 통합: 데이터를 로컬 폴더에서 드래그 앤 드롭으로 업로드하거나 Hugging Face Hub에 있는 이미지 분류 데이터셋을 직접 가져올 수 있습니다.
- 데이터셋 분할: 사용자는 별도의 학습 및 검증 데이터셋을 제공하거나 AutoTrain이 데이터를 자동으로 분할하도록 할 수 있습니다.
- 모델 선택: 사용자는 테스트할 모델 후보 수를 지정합니다. 이미지가 500개 미만이고 후보 모델이 최대 5개인 프로젝트의 경우, 학습이 무료로 제공됩니다.
- 평가 및 배포: AutoTrain은 학습 과정을 모니터링하고 자원을 절약하기 위해 성능이 낮은 모델을 중단시킬 수 있습니다. 학습이 완료되면 가장 성능이 좋은 모델이 Hugging Face Hub에 업로드되며, 통합된 추론 위젯을 사용해 테스트할 수 있습니다.