低代码作物分类
AutoML 能以最小的技术投入创建和训练模型。本示例演示了使用 Vertex AI Python SDK 训练和部署一个 AutoML 表格式模型，然后从 Earth Engine 连接到该模型，对国家农业图像计划 (NAIP) 航空图像中的作物类型进行分类。
本教程的主要流程是为了将选好的训练数据，进行GCS的问格式转换，然后进行数据集的创建，作为新格式的训练数据集，使用create()函数进行创建，这里可以进行数据名称和数据源的确定。然后我们进行模型的训练，这里我们可以根据需求进行数据进行分为验证和训练数据集。一单完成之后，我们就利用aiplatform.AutoMLTabularTrainingJob进行设定，然后选择优化预测类型：optimization_prediction_type，这里我们使用classification作为预测模型。设定好之后我们就可以进行模型的运行了，这里，的函数就是输入数据即，模型名称，然后训练的纸杯指数等等参数作为运行的模型。一旦完成了模型的训练，我们就可以使用 list_model_evaluations() 方法查看模型的评估，然后进行模型的部署，部署之后这里就是要获取其训练好的模型的ID名称。然后我们对训练和预测区域进行输入，然后选择参与构建的模型影像波段信息，然后添加相应的属性作为预测属性。ee.Model.fromVertexAi最后利用这个函数进行模型分析，将训练好的模型，所输入的属性以及需要到处的属性，最后得到结果，进行后处理和加载。
)
)
