這次想要利用 Google Vision API 做一個辨識中卷（透抽）、軟絲、花枝、魷魚的圖像辨識模型，非常適合沒有太多機器學習知識又需要上菜市場買菜的媽媽們閱讀。（我知道這個交集很可能是 null）

廢話不多說，Vision API 是 Google 開出來的一個服務，可以讓不會自己建立機器學習模型的人，也能輕易地建立一個圖片分類器。

想瞭解一下機器學習的可以看一下 這一篇。

這次練習齁，大概有以下幾個步驟，

1. 申請 GCP 專案並打開 GCP AutoML
2. 蒐集這些十腳軟體動物的圖片
3. 在 GCP 建立一個 storage bucket 並上傳圖片
4. 打開 AutoML 頁面動一動你的手指完成模型

是不是非常簡單啊？

開始之前，還是建議大家瞭解一下中卷、軟絲、花枝、魷魚以及章魚，有什麼差別，推薦大家看 這個 。

好！開始第一步，申請 GCP，這邊麻煩大家直接 看這個 一步一步做。

申請完 GCP 後，還要去 AutoML 網頁確定是否有 Enable API。

完成後，我們就可以去 Google 抓一些中卷、軟絲……等等的圖片，並將他們分別存入我們預先開好的資料夾。資料夾形式如下

seafood 
- cuttlefish        
- neritic        
- softneritic        
- squid        
- octopus

‍

• cuttlefish 代表花枝
• neritic 代表中卷（透抽、小卷）
• softneritic 代表軟絲
• squid 代表魷魚
• octopus 代表章魚

‍

抓圖片的時候，我是遇到了一些問題，就是太多圖片都是煮成料理的圖片，那將會影響我們圖像學習的效率，所以我挑了幾張，有興趣一起跟著做的來這邊下載吧！

解壓縮後應該會有五個已經有圖片的資料夾，另外加上一個 index.csv 還有 test.py。

index.csv 內容如下，

‍

gs://first-850611-vcm/seafood/cuttlefish/0_demo.jpg,cuttlefish
gs://first-850611-vcm/seafood/cuttlefish/1_demo.jpg,cuttlefish
gs://first-850611-vcm/seafood/cuttlefish/2_demo.jpg,cuttlefish
gs://first-850611-vcm/seafood/cuttlefish/3_demo.jpg,cuttlefish
...

‍

是待會要丟給 AutoML 的檔案。

test.py 則是為了要整理下載到的圖片以及產生 index.csv 所寫的 python 檔案。

如果你已經下載好我的壓縮檔案，恭喜你已經完成一半了！

第三步，我們要在 GCP Storage 開啟一個 bucket，名稱需要是

<your-project-id>-vcm

舉例來說，我開啟的 bucket 名稱就是 first-850611-vcm 這樣。

開啟後，我們在 first-850611-vcm 再建立一個名為 seafood 的資料夾，然後將 cuttlefish、neritic、softneritic、squid、octopus 還有 index.csv 都上傳上去 seafood 這個資料夾。

到這邊，我們完成了第三步！

最後一步，我們打開 AutoML 網頁，在右上角選擇你的專案名稱，並點擊 Get started with AutoML。

接著我們點擊上方的 NEW DATASET 來增加要學習的資料。

輸入 Dataset name，隨意輸入可以辨識就好。

再選擇 Select a CSV 這個選項並且輸入

gs://<your-project-id>-vcm/seafood/index.csv

‍

舉例來說像我就要輸入

gs://first-850611-vcm/seafood/index.csv

‍

然後點擊 CREATE DATASET 等待訓練資料上傳。

上傳完後，將會顯示我們要訓練的圖片以及標籤！

跟著我們點擊上方的 TRAIN 開始學習。

他會警告說什麼，我們圖片太少啊～之類的。

身為一個工程師，贏要衝輸要縮，像這種就是沒在怕的硬訓練下去，一起勇敢地點下 START TRAINING。

‍

Training budget 選擇 free 方案，然後點擊 START

經歷了漫長的等待，我們 model 訓練好後，就可以點擊上方的 PREDICT 前往測試我們的 model 學習成果。

我們將分別上傳一張中卷和魷魚的照片來給 model 辨識。

我們的 model 預測的結果如下圖

可以看到，Google 真的是非常的厲害啊！！！！！！！！！！！

我們還要機器學習工程師幹嘛？機器學習工程師都可以辭職去當魚販惹QQ

好拉！不得不說，Vision AutoML 真的很強，在這種少量圖片的情況下，還可以有這樣精準的學習成果。

這麼有趣的東西，絕對不能讓他在這邊停止，下一章我們繼續研究怎麼串接這個 model 的 API 讓這個模型可以真正的被新手媽媽給使用，讓新手媽媽再也不怕被婆婆罵中卷買成魷魚，成為解決婆媳問題的一把屠龍刀！！

工商時間：

如果貴司有需要在 LINE 聊天機器人上做任何與機器學習整合的功能，如：圖片辨識、語音辨識甚至是影片辨識，歡迎寄信到以下信箱詢問。

service@oakmega.com