本文经AI新媒体量子位（公众号ID:qbitai ）授权转载，转载请联系出处。
近日，一名叫Matt Fraser的小哥用Cloud AutoML制作了一个分类器，能识别分类澳大利亚的各种毒蜘蛛。
在这篇文章中，小哥手把手教你如何在零基础的情况下也做一个图像分类器出来，非常简单容易上手，可以说是好玩又实用了。量子位将这篇文章全文翻译整理，与大家分享。
警告：这篇文章中包含蜘蛛（and蜘蛛侠）的照片，过敏患者请绕行
~
简介
两个月前，谷歌发布了全自动训练AI无需写代码的Cloud AutoML，即使你不懂机器学习，也能训练出一个定制化的机器学习模型了，这则消息当时还震惊了AI圈。
对，在这篇文章中，我就小露一手自己是怎样在几个小时之内，用开发利器Cloud AutoML训练出一个毒蜘蛛图片分类器的。在开始训练前我手头没有任何数据，它仅仅需要你对机器学习相关的基本概念有一个基础的了解。
我可能可以教会老妈也训练一个出来！
获取数据
获取数据是训练机器学习模型的第一步，可我不想跑去澳大利亚的丛林收集毒蜘蛛的照片。
怎么办！
幸好，谷歌还提供另外一个工具帮我做这件事：谷歌图像搜索
。
手动下载数百张照片也挺麻烦，所以我用了一个简单的Python脚本小工具批量下载了图片。
批量下载小工具代码：https://github.com/hardikvasa/google-images-download
我用“whitetail spider（白尾蜘蛛）”和“redback spider（红背蜘蛛）”关键词搜索，每种蜘蛛各搜集100张照片。
至此，获取数据这步完美通关。
如果你的很多图片是没有标记的，你可以将它们导入Cloud AutoML Vision服务中，然后选择Human Labeling Service人工打标签。
将数据集导入Cloud AutoML
Cloud AutoML先把搜集的照片放入谷歌云存储系统中，你可以用UI将图像导入这个工具。为了节约时间，我用gcloud command line tool将图像复制到系统里。
接下来，我需要包含每个图像bucket url和标签的CSV。谷歌图像搜索下载工具将其结果放入文件夹中，因此及我编写了一个脚本将文件的列表一一放在下面格式的CSV中，最后上传到同一个bucket里。
gs://my-automl-bucket/path/to/image,whitetailgs://my-automl-bucket/path/to/image,redback
之后我在Cloud AutoML中创建了一个新数据集，给出了我分类的CSV的位置：
训练模型
导入标记了的图像后，训练模型只需要“基础”和“高级”选项之间选择再一个，之后点击一下就能一键训练模型了。
我选择的是免费方案，不到20分钟我就收到了电子邮件，告知我的模型已经训练好了！
模型评估
模型训练好后，Cloud AutoML会提供一些不错的工具帮助评估模型是否有效。如果你之前了解过一些机器学习的相关概念，能帮助你更好完成这一步。
你也可以上传一些新照片检测模型是否能正确分类。我上传了下面两张图片，可以看出，虽然训练示例图像的像素很低，但运行效果还不错。
当给模型一张高脚蛛的图片时我有些困惑，因为这是它从未见过的品种。模型的整个“世界观”都是基于在训练集中提供的标签，所以不管给它什么，它都会根据这些标签做出预测。
我又给模型一张蜘蛛侠的照片，有趣的是我发现它有有点分不清了。
可不是嘛！
使用模型
训练完成后模型就会自动部署。这意味着只要你实现了模型的准确性，就可以通过Cloud Vision API指定模型在生产中使用它。理论上讲目前数据集还是太小，你需要更多种类蜘蛛的更多的照片才能保证效果。
结论
谷歌的Cloud AutoML Vision服务标志着机器学习技术向“人人可用”迈出了一大步。有了这样的工具，任何开发者可以轻松构建一个自定义图像分类的应用程序。
可能你不久之后就会在应用商店中看到“ Spiderapp”这个应用，到时候不要太惊讶
。
最后，附原文地址：
https://shinesolutions.com/2018/03/14/using-google-cloud-automl-vision-to-classify-poisonous-australian-spiders/amp/?__twitter_impression=true
End