首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

Google Cloud ML engine-本地预测不输出任何内容(对象检测)

Google Cloud ML Engine是Google Cloud提供的一种托管式机器学习平台,用于训练和部署机器学习模型。它提供了一系列工具和服务,帮助开发者在云端高效地构建和部署机器学习模型。

针对您提到的问题,如果在使用Google Cloud ML Engine进行本地预测时没有输出任何内容,可能有以下几个可能的原因和解决方法:

  1. 模型文件路径错误:请确保您在进行本地预测时指定了正确的模型文件路径。在进行本地预测时,需要指定模型文件的路径,例如:
代码语言:txt
复制
gcloud ml-engine local predict --model-dir=模型文件路径 --json-instances=输入数据文件路径

请检查您的命令中是否正确指定了模型文件路径。

  1. 输入数据格式错误:请确保您的输入数据符合模型的要求。对于对象检测任务,通常需要将输入数据转换为特定的格式,例如JSON格式。请检查您的输入数据是否符合模型的要求,并确保正确指定了输入数据文件路径。
  2. 模型问题:如果以上两个方面都没有问题,那么可能是模型本身存在问题。您可以尝试使用其他数据进行预测,或者检查模型的训练过程是否存在问题。您可以参考Google Cloud ML Engine的文档和示例代码,以了解如何正确训练和部署模型。
页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

AutoML – 用于构建机器学习模型的无代码解决方案

AutoML 允许技术和非技术人员无需编写任何代码即可构建机器学习模型 它负责构建模型的每个步骤,例如数据预处理、特征工程、模型构建、超参数调整、模型评估和测试数据预测,因此你无需编写任何代码来执行此类任务...图像 使用图像数据集,你可以在 AutoML 中执行以下任务 图像分类(单标签) 图像分类(多标签) 对象检测 图像分割 表格 使用表格数据集,你可以执行以下任务: 回归 分类 时间序列预测 视频 你可以使用视频数据集执行以下活动...对象检测 视频动作识别 视频对象跟踪 文本 AutoML 文本数据支持以下任务: 情感分析 文本分类(单标签) 文本分类(多标签) 实体提取 执行 要使用 AutoML,你应该在 Google Cloud...本文的主要要点是: 如何借助 AutoML 客户端库以编程方式利用 AutoML 服务 你可以在 AutoML 中构建不同类型的模型,例如图像分类、文本实体提取、时间序列预测对象检测等 你不需要太多的...答:是的,任何人都可以使用 AutoML 并在 Google Cloud 上构建机器学习模型。 Q4。谷歌云太贵了? 答:这取决于你要使用的用例和云服务。 Q5.

54720

【干货】手把手教你用苹果Core ML和Swift开发人脸目标识别APP

本文将带你从最初的数据处理开始教你一步一步的实现一个“霉霉”检测器,来自动从一堆手机照片中找出“霉霉”。专知内容组编辑整理。...在Cloud ML引擎上使用MobileNet训练模型; 4. 把训练好的模型导出,并将其部署到ML引擎中以提供服务; 5. 构建一个iOS前端,对训练过的模型做出预测请求。...首先,我在Google云端控制台中创建一个项目,并开启了云机器学习引擎: ? ? 然后,我将创建一个云存储桶(Cloud Storage bucket)来打包我模型的所有资源。 ?...将模型部署到机器学习引擎:我使用gcloud CLI将我的模型部署到机器学习引擎 我的模型:https://cloud.google.com/ml-engine/docs/deploying-models...预测请求:我使用Firebase SDK for Cloud功能向我的机器学习引擎模型发出在线预测请求。此请求是由我的Swift应用上传到Firebase存储触发的。

14.8K60
  • Google VS 亚马逊 VS 微软,机器学习服务选谁好?

    它们可以在几乎不需要任何数据科学专业知识的情况下,提供快速的模型训练和部署功能。如果你想从一个的软件工程师团队中挑人组建一个本地数据科学团队,那首先就应该考虑这种平台。...Amazon ML预测能力仅限于以下三种选择:二分类、多类分类和回归。也就是说,这个Amazon ML 服务不支持任何无监督学习方法,用户必须选择一个目标变量并将其标记为训练集。...所以,Google 预测 API 的接替者会是什么呢 Google Cloud 机器学习引擎 预测 API 的高自动化牺牲了该功能的灵活性。而 Google ML 引擎则正好相反。...计算机视觉,用于识别物体,动作(如行走),并定义图像中的主色彩 内容主持人,用于在图像、文本和视频中检测不适当的内容 Face API,用于检测人脸,对其进行分组,定义年龄、情绪、性别、姿势、微笑和面部毛发...处理这个问题的方法通常是将一般问题简化为单个属性的问题,不管是预测价格还是其它数值(对象的类别或将对象分成多个组),一旦找到该属性,决定供应商并选择服务内容就会很简单。

    1.9K50

    GCP 上的人工智能实用指南:第一、二部分

    在所有端点上部署异常检测程序并持续监视云基础架构(自动以及基于样本的手动监视)。 云服务提供商已在保护这些反模式方面进行了大量投资,并且云部署此时与本地部署一样可靠和安全。...如果模型显示很高的方差,则它会变得非常灵活,并适应训练集的数据点。 如果高方差模型遇到另一个未学习的数据点,则无法正确预测。 方差量化了预测和相同观测值之间的差异。...创建数据集后,可以从 Google Cloud Storage URI 和本地驱动器导入其他项目。...在本章中,我们将研究 ML 的各种元素,包括 Google Cloud ML 以及如何使用 Google Cloud 的机器学习引擎。...我们在“第 8 章”,“使用 Cloud ML Engine 实现 TensorFlow 模型”和“第 9 章”,“构建预测应用”中介绍了 Google Cloud Machine Learning 模型的训练和预测服务

    17.2K10

    想快速部署机器学习项目?来看看几大主流机器学习服务平台对比吧

    Google 并没有公开预测中使用了哪些算法,也不能让工程师自定义模型。Google 的环境最适合在紧迫的期限内进行机器学习,并推出初始版本的 ML 模型。...额外功能如下: Word hints,允许定制识别到特定的上下文或者默写单词(例如,可以更好的理解当地的或者行业内的术语) 过滤不当内容 处理嘈杂的音频 云翻译 API(https://cloud.google.com...Cloud Services Cloud Vision API(http://suo.im/lmsT ) 该工具为图像识别任务而建立,对于查找特定的图像属性非常有用: 标记对象 检测人脸并分析表情 寻找标志性事件并描述现场...目前,该 API 提供以下工具集: 标记对象并识别动作 识别明确的内容 转录语音 虽然在功能级别上,Google AI 服务可能缺乏一些功能,但是 Google API 可以使用 Google 提供的大量数据集...无论是价格预测还是其他的数值,确定对象的类别还是将对象分组,一旦找到需要解决的属性,决定供应商并选择其所提供的服务就变得简单起来了。

    4.3K170

    【谷歌重拳开放Cloud TPU】GPU最强对手上线,Jeff Dean十条推文全解读

    如Resnet,MobileNet,DenseNet和SqueezeNet(物体分类),RetinaNet(对象检测)和Transformer(语言建模和机器翻译)等模型实现可以帮助用户快速入门: https...Amazon ML预测能力限于三种选择:二元分类、多类分类和回归。也就是说,这个Amazon ML服务不支持任何无监督的学习方法,用户必须选择一个目标变量在训练集中标记它。...Google预测API Google在两个层面上提供AI服务:数据科学家的机器学习引擎和高度自动化的Google预测API。...谷歌没有公布哪些算法被用于绘制预测,也没有让工程师自定义模型。另一方面,Google的环境最适合在紧迫的期限内进行机器学习,并且早期推出ML计划。...Google云端机器学习引擎 预测API的高度自动化是以灵活性为代价的。Google ML Engine正好相反。

    96030

    干货|谷歌大规模机器学习:模型训练、特征工程和算法选择

    有监督 ML pipelines 需要为以下内容设置 pipeline: 训练:获取数据(可能还需要存储数据);特征提取和数据标记; 拟合模型; 测试模型/选择模型;存储模型 预测:获取实时数据;从中提取特征...ML生产工具:实践方法 动手实践:选择存储工具(如 Google Cloud,Amazon 等);为存储数据、训练和预测编码;可以使用开源框架(liblinear,Weka,Tensorflow 等)或自己的实现模型...Cloud Dataflow ML 工具:ML 即服务 ML即服务(ML as a service):预构建全栈解决方案(使用堆栈轻松训练和部署模型) 特点:较少参与;不同组件无缝工作(存储,聚类,训练和预测等...);可能不是很灵活 其他选择:Amazon ML;Microsoft Azure;IBM Watson;Google Cloud ML Google 云服务: 云存储(Cloud Storage) BigQuery...Cloud DataLab Cloud DataFlow TensorFlow Google Cloud Machine Learning (alpha) 预训练模型(图像识别、语言检测和翻译、语音识别

    3.1K50

    32页ppt干货|谷歌大规模机器学习:模型训练、特征工程和算法选择

    ML 的类型:监督学习;无监督学习;半监督学习;…… 监督学习:用于训练的输入数据有标记。 分类(学习决策边界)。 示例:文本/图像/视频分类,垃圾邮件检测等 回归(学习预测连续值)。...ML生产工具:实践方法 动手实践:选择存储工具(如 Google Cloud,Amazon 等);为存储数据、训练和预测编码;可以使用开源框架(liblinear,Weka,Tensorflow 等)或自己的实现模型...Cloud Dataflow ML 工具:ML 即服务 ML即服务(ML as a service):预构建全栈解决方案(使用堆栈轻松训练和部署模型) 特点:较少参与;不同组件无缝工作(存储,聚类,训练和预测等...);可能不是很灵活 其他选择:Amazon ML;Microsoft Azure;IBM Watson;Google Cloud ML Google 云服务: 云存储(Cloud Storage) BigQuery...Cloud DataLab Cloud DataFlow TensorFlow Google Cloud Machine Learning (alpha) 预训练模型(图像识别、语言检测和翻译、语音识别

    2.1K100

    训练Tensorflow的对象检测API能够告诉你答案

    背景:最近我们看到了一篇文章,关于如何用于你自己的数据集,训练Tensorflow的对象检测API。这篇文章让我们对对象检测产生了关注,正巧圣诞节来临,我们打算用这种方法试着找到圣诞老人。...创建Tensorflow记录文件 一旦边界框信息存储在一个csv文件中,下一步就是将csv文件和图像转换为一个TF记录文件,这是Tensorflow的对象检测API使用的文件格式。...一旦它在正常的工作,它就会被部署到Google云平台的ML引擎上。该模型接受了超过10万步长的训练。 ML引擎:https://cloud.google.com/ml-engine/ ?...错误的判断对于这种情况来说是指,图像中没有圣诞老人,但模型却预测图像中会有。 ? 错误的判断 结论 在使预测变得更准确和减少错误判断的数量上,还有很大的改进空间。...接下来的步骤是了解更多关于配置文件中不同参数的信息,并更好地了解它们如何影响模型的训练及其预测。我们希望你现在能够为你自己的数据集训练对象检测器。

    1.4K80

    精通 TensorFlow 2.x 计算机视觉:第三、四部分

    在本章中,我们将使用 TensorFlow 对象检测器执行以下任务: 使用 Google Cloud 和 Coco 数据集上的预训练模型进行对象检测 使用 TensorFlow Hub 和 Coco 数据集上的预训练模型进行对象检测...使用迁移学习训练 Google Colab 中的自定义对象检测器 在所有这些示例中,我们将使用汉堡和薯条数据集进行检测预测。...在 Google Cloud 上使用 TensorFlow 检测对象 以下说明介绍了如何使用 Google Cloud 上的 TensorFlow 对象检测 API 来检测对象。...同样,如前所述,如果您在遵循本节时遇到任何困难,可以查看本节末尾提供的流程图,以了解一般的信息流。 接下来,我们将您的本地 PC 链接到 Google Cloud 项目。...安装 TensorFlow 对象检测 API 现在我们已经将终端链接到存储桶和 Google Cloud 项目,下一步是将其链接到 TensorFlow 对象检测 API。

    5.7K20

    TensorFlow:使用Cloud TPU在30分钟内训练出实时移动对象检测

    编译:yxy 出品:ATYUN订阅号 是否能够更快地训练和提供对象检测模型?...我们已经听到了这种的反馈,在今天我们很高兴地宣布支持训练Cloud TPU上的对象检测模型,模型量化以及并添加了包括RetinaNet和MobileNet改编的RetinaNet在内的新模型。...ML Engine是Google Cloud的TensorFlow托管平台,它简化了训练和提供机器学习模型的过程。要使用它,请为刚刚创建的项目启用必要的API。...平均精确度衡量我们模型对所有37个标签的正确预测百分比。IoU特定于对象检测模型,代表Intersection-over-Union。...在左图中,我们看到了模型对此图像的预测,在右侧我们看到了正确的地面真值边框。边界框非常准确,但在这种特殊情况下,我们模型的标签预测是不正确的。没有ML模型可以是完美的。

    4K50

    谷歌大规模机器学习:模型训练、特征工程和算法选择 (32PPT下载)

    示例:文本/图像/视频分类,垃圾邮件检测等 回归(学习预测连续值)。 示例:预测房价,预测用户愿意支出的金额等 ? 无监督学习:输入数据没有标记,尝试在数据中查找“隐藏的”结构。...有监督 ML pipelines 需要为以下内容设置 pipeline: 训练:获取数据(可能还需要存储数据);特征提取和数据标记; 拟合模型; 测试模型/选择模型;存储模型 预测:获取实时数据;从中提取特征...ML生产工具:实践方法 动手实践:选择存储工具(如 Google Cloud,Amazon 等);为存储数据、训练和预测编码;可以使用开源框架(liblinear,Weka,Tensorflow 等)或自己的实现模型...:Amazon ML;Microsoft Azure;IBM Watson;Google Cloud ML ?...Google 云服务: 云存储(Cloud Storage) BigQuery Cloud DataLab Cloud DataFlow TensorFlow Google Cloud Machine

    1.2K100

    谷歌Edge TPU专用芯片横空出世!抢攻IoT欲一统物联网江湖

    Edge TPU的设计旨在补充谷歌云TPU,因此,你可以在云中加速ML的训练,然后在边缘进行快速的ML推理。你的传感器不仅仅是数据采集——它们还能够做出本地的、实时的、智能的决策。...广泛的应用 Edge TPU有非常多的工业用例,例如预测性维护、异常检测、机器视觉、机器人、语音识别等等。在制造业、内部部署、医疗、零售、智能空间、交通等领域有广泛应用。...Android Things;Cloud TPU的可用软件包括Cloud ML Engine,Kubernetes Engine,Google Compute Engine,以及Cloud IoT Core...它允许你在Edge TPU或基于GPU和CPU的加速器上执行在Google Cloud中训练了的ML模型。...基于TensorFlow Lite的Edge ML runtime,使用预先训练过的模型执行本地ML推理,显著减少延迟并增加边缘设备的多功能性。

    1.1K20

    2021 年要寻找的 6 种现代数据堆栈趋势

    他提出,财富500强或标普500强公司的平均寿命越来越短,因为企业的发展和更新速度比以往任何时候都快。"适应和改变的唯一方法是使用数据,并利用预测模型和AI/ML观察周围的角落。...“您不能将所有内容都放在一个地方,因为您需要备份并且需要冗余。...“面对一年的不可预测性,企业在使技术堆栈可靠无误和主动性方面必须期望出乎意料。我们将看到对AIOps的需求持续增长,因为它可以使用AI解决和预测这些意想不到的情况, ML预测分析。”...Saha谈到Google Cloud时说,注入AI和机器学习已成为一切的一部分。这些工具通过执行自动扩展,自动修复,自动优化等功能而广泛用于管理基础结构。...来自Google Cloud的Saha表示,越来越多的客户要求后期在数据的各个不同部分建立统一的端到端数据治理结构。

    13520

    google cloud--穷人也能玩深度学习

    google cloud有专门的ml-engine(machine learning engine)模块,可以直接用来跑tensorflow,不用像虚拟机一样开关机。只需要根据需要指定配置就行。...使用google cloud有个好处就是完全不占用本地电脑资源,需要跑的时候扔个命令让google cloud跑就是,而且不阻塞自己的其它任何工作。跑的过程中生成的数据全部都会存储在存储分区中。 ?...3.下载google cloud sdk并解压 4.安装 sh ./google-cloud-sdk/install.sh  5.配置ml-engine。...详细的ml-engine命令参数参考 https://cloud.google.com/sdk/gcloud/reference/ml-engine/ 运行完之后会提示运行成功,并且返回当前任务状态。...不过最好还是祝愿看到文章的你我,到那个时候能够有钱自己装机或者直接继续享受google cloud服务。 参考资料 https://cloud.google.com/ml-engine/docs/

    3K100

    谷歌Edge TPU专用芯片横空出世!抢攻IoT欲一统物联网江湖

    Edge TPU的设计旨在补充谷歌云TPU,因此,你可以在云中加速ML的训练,然后在边缘进行快速的ML推理。你的传感器不仅仅是数据采集——它们还能够做出本地的、实时的、智能的决策。 ?...广泛的应用 Edge TPU有非常多的工业用例,例如预测性维护、异常检测、机器视觉、机器人、语音识别等等。在制造业、内部部署、医疗、零售、智能空间、交通等领域有广泛应用。...的可用软件包括Cloud ML Engine,Kubernetes Engine,Google Compute Engine,以及Cloud IoT Core ML框架:Edge TPU可使用TensorFlow...它允许你在Edge TPU或基于GPU和CPU的加速器上执行在Google Cloud中训练了的ML模型。...基于TensorFlow Lite的Edge ML runtime,使用预先训练过的模型执行本地ML推理,显著减少延迟并增加边缘设备的多功能性。

    85410

    教程 | 在Cloud ML Engine的TPU上从头训练ResNet

    不需要安装软件或基础环境(Cloud ML Engine 是无服务器的) 你可以在云端训练模型,然后在任何地方部署该模型(使用 Kubeflow) 作者写的代码:https://github.com/tensorflow.../tpu/tree/master/models/official/resnet Cloud ML Engine:https://cloud.google.com/ml-engine/docs/tensorflow.../codelabs/tpu-resnet Cloud Datalab:https://cloud.google.com/datalab Cloud Shell:https://cloud.google.com...通过模型进行预测 想要使用该模型进行预测,你需要将一个通过 base-64 方式编码的 JPEG 图像文件的内容发送到 web 服务上。...原文链接:https://cloud.google.com/blog/big-data/2018/07/how-to-train-a-resnet-image-classifier-from-scratch-on-tpus-on-cloud-ml-engine

    1.8K20
    领券