机器学习模型训练与部署

在机器学习领域，从数据的收集和整理，到标注、训练、部署，再到创建主动学习的流水线，每一步都至关重要。这些步骤共同构成了一个高效的模型性能提升流程。在训练阶段，开发者应该追求简化流程，以提高效率。

Roboflow Train：简化模型训练流程

RoboflowTrain是一个强大的工具，它允许团队一键训练特定于其数据集的模型，并拥有一个生产就绪的API和设备模型（例如，适用于NVIDIA Jetson和Luxonis OAK）。此外，Roboflow Train还支持无缝部署集成，确保主动学习默认内置于机器学习操作流水线中。通过减少数据组织到模型在生产中的使用的复杂性，可以节省数千小时的时间（以及许多头痛），从而更快地将模型（重新）部署到生产中，并进行改进。

Roboflow Pro：集成第三方服务

通过RoboflowPro，开发者还可以一键使用Microsoft Azure等第三方服务进行模型训练。例如，一些企业通过合作伙伴关系拥有大量的Azure积分。如果对Microsoft Azure与Google Cloud Vision AutoML和Amazon Rekognition的比较感兴趣，请务必阅读基准测试大型云视觉AutoML工具的文章。

训练前的准备

在开始训练之前，需要将Microsoft Azure账户的API密钥添加到Roboflow账户中。这样，Roboflow账户就可以无缝地将数据集添加到Azure账户进行训练。首先，登录Microsoft Azure账户，将在仪表板上看到Azure Custom Vision项目名称。

将API密钥添加到Roboflow账户

在Microsoft Azure账户中，将看到列出的Azure Custom Vision项目。选择Custom Vision项目（在上面的截图中，项目称为"Roboflow Example Project"）。在随后的页面上，将有选项点击第一个选项下的"API Key"。点击"API Key"，这将带到一个页面，该页面有需要的API密钥和项目端点。将需要使用KEY 1和Endpoint字段。

在Roboflow中设置第三方API密钥

现在，在Roboflow中，需要导航到工作区的第三方API密钥设置，以便从Azure账户复制并粘贴密钥到Roboflow账户。要导航到工作区设置，请点击Roboflow中工作区名称旁边的下拉菜单。在名为"Roboflow"的工作区中，点击名称以查看工作区设置。在工作区设置中，点击"第三方密钥"。然后，将从Azure账户中粘贴KEY 1到Roboflow工作区设置中的Training-key部分。此外，从Azure Custom Vision设置中粘贴端点到Roboflow中的Endpoint字段。

使用Roboflow和Azure Custom Vision进行训练

现在Azure和Roboflow账户已经链接，可以一键将数据从Roboflow账户导出到Microsoft Azure Custom Vision进行训练。为此，在Roboflow中生成数据集版本。通过在Roboflow中生成版本，可以利用图像增强功能，让用现有的图像从数据集中获得更多价值。