কৃষি খাতে, গাছে ফলের পরিমাণ শনাক্তকরণ এবং গণনার সমস্যা ফসলের অনুমানে গুরুত্বপূর্ণ ভূমিকা পালন করে। একটি গাছ ভাড়া এবং ইজারা দেওয়ার ধারণাটি জনপ্রিয় হয়ে উঠছে, যেখানে একজন গাছের মালিক আনুমানিক ফলের ফলনের উপর ভিত্তি করে প্রতি বছর ফসল কাটার আগে গাছটি ইজারা দেন। ম্যানুয়ালি ফল গণনা করার সাধারণ অভ্যাস একটি সময়সাপেক্ষ এবং শ্রম-নিবিড় প্রক্রিয়া। আপনার শস্য ব্যবস্থাপনা পদ্ধতিতে আরও ভাল ফলাফল পাওয়ার জন্য এটি সবচেয়ে কঠিন কিন্তু সবচেয়ে গুরুত্বপূর্ণ কাজগুলির মধ্যে একটি। ফল এবং ফুলের পরিমাণের এই অনুমান কৃষকদের আরও ভাল সিদ্ধান্ত নিতে সাহায্য করে - শুধুমাত্র ইজারা মূল্যের উপর নয়, চাষাবাদের অনুশীলন এবং গাছের রোগ প্রতিরোধেও।
এখানেই কম্পিউটার ভিশন (সিভি) এর জন্য একটি স্বয়ংক্রিয় মেশিন লার্নিং (এমএল) সমাধান কৃষকদের সাহায্য করতে পারে। অ্যামাজন স্বীকৃতি কাস্টম লেবেল এটি একটি সম্পূর্ণরূপে পরিচালিত কম্পিউটার ভিশন পরিষেবা যা ডেভেলপারদের আপনার ব্যবসার জন্য নির্দিষ্ট এবং অনন্য ইমেজে বস্তুগুলিকে শ্রেণিবদ্ধ করতে এবং সনাক্ত করতে কাস্টম মডেল তৈরি করতে দেয়৷
রিকগনিশন কাস্টম লেবেলগুলির জন্য আপনার কোন পূর্বের কম্পিউটার দৃষ্টি দক্ষতার প্রয়োজন হয় না। আপনি হাজার হাজারের পরিবর্তে দশ হাজার ছবি আপলোড করে শুরু করতে পারেন। যদি ইমেজগুলি ইতিমধ্যেই লেবেল করা থাকে, আপনি মাত্র কয়েকটি ক্লিকে একটি মডেলকে প্রশিক্ষণ দেওয়া শুরু করতে পারেন। যদি না হয়, আপনি তাদের সরাসরি স্বীকৃতি কাস্টম লেবেল কনসোলের মধ্যে লেবেল করতে পারেন, বা ব্যবহার করতে পারেন আমাজন সেজমেকার গ্রাউন্ড ট্রুথ তাদের লেবেল করতে। স্বীকৃতি কাস্টম লেবেলগুলি প্রশিক্ষণের ডেটা স্বয়ংক্রিয়ভাবে পরিদর্শন করতে, সঠিক মডেল ফ্রেমওয়ার্ক এবং অ্যালগরিদম নির্বাচন করতে, হাইপারপ্যারামিটারগুলি অপ্টিমাইজ করতে এবং মডেলটিকে প্রশিক্ষণ দিতে স্থানান্তর শিক্ষা ব্যবহার করে৷ আপনি মডেল নির্ভুলতার সাথে সন্তুষ্ট হলে, আপনি শুধুমাত্র একটি ক্লিকের মাধ্যমে প্রশিক্ষিত মডেল হোস্ট করা শুরু করতে পারেন৷
এই পোস্টে, আমরা দেখাই কিভাবে আপনি কৃষির ফলন পরিমাপ করার জন্য ফল সনাক্ত করতে এবং গণনা করতে স্বীকৃতি কাস্টম লেবেল ব্যবহার করে একটি এন্ড-টু-এন্ড সমাধান তৈরি করতে পারেন।
সমাধান ওভারভিউ
আমরা নিম্নলিখিত পদক্ষেপগুলি ব্যবহার করে ফল সনাক্ত করতে একটি কাস্টম মডেল তৈরি করি:
- ফল ব্যবহার করে এমন চিত্র সহ একটি ডেটাসেট লেবেল করুন আমাজন সেজমেকার গ্রাউন্ড ট্রুথ.
- স্বীকৃতি কাস্টম লেবেলে একটি প্রকল্প তৈরি করুন।
- আপনার লেবেলযুক্ত ডেটাসেট আমদানি করুন।
- মডেলকে প্রশিক্ষণ দিন।
- স্বয়ংক্রিয়ভাবে জেনারেট হওয়া API এন্ডপয়েন্ট ব্যবহার করে নতুন কাস্টম মডেল পরীক্ষা করুন।
স্বীকৃতি কাস্টম লেবেল আপনাকে অ্যামাজন রিকগনিশন কনসোলে এমএল মডেল প্রশিক্ষণ প্রক্রিয়া পরিচালনা করতে দেয়, যা এন্ড-টু-এন্ড মডেল বিকাশ এবং অনুমান প্রক্রিয়াকে সহজ করে।
পূর্বশর্ত
একটি কৃষি ফলন পরিমাপ মডেল তৈরি করতে, আপনাকে প্রথমে মডেলটিকে প্রশিক্ষণের জন্য একটি ডেটাসেট প্রস্তুত করতে হবে। এই পোস্টের জন্য, আমাদের ডেটাসেট ফলের ছবি নিয়ে গঠিত। নিচের ছবিগুলো কিছু উদাহরণ দেখায়।
আমরা আমাদের নিজস্ব বাগান থেকে আমাদের ছবি sourced. আপনি থেকে ইমেজ ফাইল ডাউনলোড করতে পারেন গিটহুব রেপো.
এই পোস্টের জন্য, আমরা ফল ফলন ব্যবহারের ক্ষেত্রে দেখানোর জন্য শুধুমাত্র কয়েকটি ছবি ব্যবহার করি। আপনি আরও ইমেজ সঙ্গে আরও পরীক্ষা করতে পারেন.
আপনার ডেটাসেট প্রস্তুত করতে, নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:
- তৈরি একটি আমাজন সিম্পল স্টোরেজ সার্ভিস (অ্যামাজন এস 3) বালতি।
- এই বালতি ভিতরে দুটি ফোল্ডার তৈরি করুন, বলা হয়
raw_data
এবংtest_data
, লেবেলিং এবং মডেল পরীক্ষার জন্য ছবি সংরক্ষণ করতে. - বেছে নিন আপলোড GitHub রেপো থেকে তাদের নিজ নিজ ফোল্ডারে ছবি আপলোড করতে।
আপলোড করা ছবিগুলি লেবেলযুক্ত নয়৷ আপনি নিম্নলিখিত ধাপে ইমেজ লেবেল.
গ্রাউন্ড ট্রুথ ব্যবহার করে আপনার ডেটাসেটকে লেবেল করুন
এমএল মডেল প্রশিক্ষণের জন্য, আপনাকে লেবেলযুক্ত চিত্রের প্রয়োজন। গ্রাউন্ড ট্রুথ ইমেজ লেবেল করার জন্য একটি সহজ প্রক্রিয়া প্রদান করে। লেবেলিং টাস্ক একটি মানব কর্মী দ্বারা সঞ্চালিত হয়; এই পোস্টে, আপনি একটি ব্যক্তিগত কর্মীবাহিনী তৈরি করুন। তুমি ব্যবহার করতে পার অ্যামাজন যান্ত্রিক তুর্ক স্কেলে লেবেল করার জন্য।
একটি লেবেলিং কর্মীবাহিনী তৈরি করুন
আসুন প্রথমে আমাদের লেবেলিং কর্মীবাহিনী তৈরি করি। নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:
- সেজমেকার কনসোলে, এর অধীনে কঠিন সত্য নেভিগেশন ফলকে, নির্বাচন করুন লেবেল ওয়ার্কফোর্স.
- উপরে বেসরকারী ট্যাব, চয়ন করুন ব্যক্তিগত দল তৈরি করুন.
- জন্য দলের নাম, আপনার কর্মশক্তির জন্য একটি নাম লিখুন (এই পোস্টের জন্য,
labeling-team
). - বেছে নিন ব্যক্তিগত দল তৈরি করুন.
- বেছে নিন নতুন কর্মীদের আমন্ত্রণ জানান।
- মধ্যে ইমেল ঠিকানা দ্বারা কর্মীদের যোগ করুন বিভাগে, আপনার কর্মীদের ইমেল ঠিকানা লিখুন। এই পোস্টের জন্য, আপনার নিজের ইমেল ঠিকানা লিখুন.
- বেছে নিন নতুন কর্মীদের আমন্ত্রণ জানান.
আপনি একটি লেবেলিং কর্মশক্তি তৈরি করেছেন, যা আপনি লেবেলিং কাজ তৈরি করার সময় পরবর্তী ধাপে ব্যবহার করবেন।
একটি গ্রাউন্ড ট্রুথ লেবেলিং কাজ তৈরি করুন
আপনার লেবেলিংয়ের কাজটি দুর্দান্ত করতে, নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:
- সেজমেকার কনসোলে, এর অধীনে কঠিন সত্যনির্বাচন লেবেল কাজ.
- বেছে নিন লেবেলিং কাজ তৈরি করুন.
- জন্য কাজের নামপ্রবেশ করান
fruits-detection
. - নির্বাচন করা আমি লেবেল কাজের নাম থেকে আলাদা একটি লেবেল বৈশিষ্ট্যের নাম নির্দিষ্ট করতে চাই.
- জন্য লেবেল বৈশিষ্ট্যের নাম¸ প্রবেশ করুন
Labels
. - জন্য ইনপুট ডেটা সেটআপ, নির্বাচন করুন স্বয়ংক্রিয় ডেটা সেটআপ.
- জন্য ইনপুট ডেটাসেটের জন্য S3 অবস্থান, আপনি আগে তৈরি করা বালতি ব্যবহার করে চিত্রগুলির S3 অবস্থান লিখুন (
s3://{your-bucket-name}/raw-data/images/
). - জন্য আউটপুট ডেটাসেটের জন্য S3 অবস্থান, নির্বাচন করুন একটি নতুন অবস্থান নির্দিষ্ট করুন এবং টীকাকৃত ডেটার জন্য আউটপুট অবস্থান লিখুন (
s3://{your-bucket-name}/annotated-data/
). - জন্য ডেটা টাইপনির্বাচন ভাবমূর্তি.
- বেছে নিন সম্পূর্ণ ডাটা সেটআপ.
এটি ইমেজ ম্যানিফেস্ট ফাইল তৈরি করে এবং S3 ইনপুট অবস্থান পাথ আপডেট করে। "ইনপুট ডেটা সংযোগ সফল" বার্তার জন্য অপেক্ষা করুন। - বিস্তৃত করা অতিরিক্ত কনফিগারেশন.
- ওটা নিশ্চিত করুন সম্পূর্ণ ডেটাসেট নির্বাচিত.
আপনি লেবেলিং কাজ বা ফিল্টার বা এলোমেলো নমুনার উপর ভিত্তি করে ছবির একটি উপসেট সব ছবি প্রদান করতে চান কিনা তা নির্দিষ্ট করতে এটি ব্যবহার করা হয়। - জন্য কার্য বিভাগনির্বাচন ভাবমূর্তি কারণ এটি ইমেজ টীকা জন্য একটি টাস্ক.
- কারণ এটি একটি বস্তু সনাক্তকরণ ব্যবহার ক্ষেত্রে, জন্য টাস্ক নির্বাচন, নির্বাচন করুন সীমান্ত বক্স.
- অন্যান্য বিকল্পগুলিকে ডিফল্ট হিসাবে ছেড়ে দিন এবং নির্বাচন করুন পরবর্তী.
- বেছে নিন পরবর্তী.
এখন আপনি আপনার কর্মীদের নির্দিষ্ট করুন এবং লেবেলিং টুল কনফিগার করুন। - জন্য শ্রমিকের ধরন, নির্বাচন করুন বেসরকারী.এই পোস্টের জন্য, আপনি ইমেজ টীকা করতে একটি অভ্যন্তরীণ কর্মশক্তি ব্যবহার করুন. আপনার কাছে একটি পাবলিক চুক্তিভিত্তিক কর্মীবাহিনী নির্বাচন করার বিকল্পও রয়েছে (আমাজন মেকানিক্যাল তুর্ক) অথবা একটি অংশীদার কর্মশক্তি (বিক্রেতা পরিচালিত) আপনার ব্যবহারের ক্ষেত্রে নির্ভর করে।
- প্রাইভেট টিমের জন্য ¸ আপনি আগে তৈরি করা টিম বেছে নিন।
- অন্যান্য বিকল্পগুলিকে ডিফল্ট হিসাবে ছেড়ে দিন এবং নীচে স্ক্রোল করুন বাউন্ডিং বক্স লেবেলিং টুল.প্রাইভেট লেবেলিং টিমের জন্য লেবেলিং টুলে এখানে স্পষ্ট নির্দেশাবলী প্রদান করা অপরিহার্য। এই নির্দেশাবলী লেবেল করার সময় টীকাকারদের জন্য একটি নির্দেশিকা হিসাবে কাজ করে। ভাল নির্দেশাবলী সংক্ষিপ্ত, তাই আমরা মৌখিক বা পাঠ্য নির্দেশাবলী দুটি বাক্যে সীমাবদ্ধ রাখার এবং চাক্ষুষ নির্দেশাবলীতে ফোকাস করার পরামর্শ দিই। ছবির শ্রেণীবিভাগের ক্ষেত্রে, আমরা নির্দেশাবলীর অংশ হিসাবে প্রতিটি ক্লাসে একটি করে লেবেলযুক্ত ছবি প্রদান করার পরামর্শ দিই।
- দুটি লেবেল যোগ করুন:
fruit
এবংno_fruit
. - বিস্তারিত নির্দেশাবলী লিখুন বর্ণনা ক্ষেত্র প্রদান করতে কর্মীদের নির্দেশ। উদাহরণ স্বরূপ:
You need to label fruits in the provided image. Please ensure that you select label 'fruit' and draw the box around the fruit just to fit the fruit for better quality of label data. You also need to label other areas which look similar to fruit but are not fruit with label 'no_fruit'
আপনি ঐচ্ছিকভাবে ভাল এবং খারাপ লেবেলিং ইমেজ উদাহরণ প্রদান করতে পারেন. আপনাকে নিশ্চিত করতে হবে যে এই ছবিগুলি সর্বজনীনভাবে অ্যাক্সেসযোগ্য। - বেছে নিন সৃষ্টি লেবেলিং কাজ তৈরি করতে.
কাজটি সফলভাবে তৈরি হওয়ার পরে, পরবর্তী ধাপটি হল ইনপুট চিত্রগুলিকে লেবেল করা৷
লেবেলিংয়ের কাজ শুরু করুন
একবার আপনি সফলভাবে চাকরি তৈরি করলেই চাকরির অবস্থা InProgress
. এর মানে হল যে চাকরি তৈরি করা হয়েছে এবং বেসরকারী কর্মীবাহিনীকে ইমেলের মাধ্যমে তাদের অর্পিত টাস্ক সম্পর্কে অবহিত করা হয়েছে। যেহেতু আপনি নিজের জন্য কাজটি অর্পণ করেছেন, আপনি গ্রাউন্ড ট্রুথ লেবেলিং প্রকল্পে লগ ইন করার নির্দেশাবলী সহ একটি ইমেল পাবেন৷
- ইমেল খুলুন এবং প্রদত্ত লিঙ্ক নির্বাচন করুন.
- ইমেলে দেওয়া ব্যবহারকারীর নাম এবং পাসওয়ার্ড লিখুন।
লগইন করার পরে আপনাকে ইমেলে দেওয়া অস্থায়ী পাসওয়ার্ডটি একটি নতুন পাসওয়ার্ডে পরিবর্তন করতে হতে পারে। - আপনি লগ ইন করার পরে, আপনার কাজ নির্বাচন করুন এবং নির্বাচন করুন কাজ শুরু কর.
আপনি জুম ইন, জুম আউট, সরাতে এবং চিত্রগুলিতে বাউন্ডিং বাক্সগুলি আঁকতে প্রদত্ত সরঞ্জামগুলি ব্যবহার করতে পারেন। - আপনার লেবেল চয়ন করুন (
fruit
orno_fruit
) এবং তারপরে এটিকে টীকা দিতে ছবিতে একটি বাউন্ডিং বক্স আঁকুন। - আপনি শেষ হলে, নির্বাচন করুন জমা দিন.
এখন আপনি সঠিকভাবে লেবেল করা ছবিগুলিকে প্রশিক্ষণের জন্য ML মডেল দ্বারা ব্যবহার করা হবে৷
আপনার Amazon Recognition প্রকল্প তৈরি করুন
আপনার কৃষি ফলন পরিমাপ প্রকল্প তৈরি করতে, নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:
- অ্যামাজন রিকগনিশন কনসোলে, নির্বাচন করুন কাস্টম লেবেল.
- বেছে নিন এবার শুরু করা যাক.
- জন্য প্রকল্প নামপ্রবেশ করান
fruits_yield
. - বেছে নিন প্রকল্প তৈরি করুন.
এছাড়াও আপনি একটি প্রকল্প তৈরি করতে পারেন প্রকল্প পৃষ্ঠা আপনি অ্যাক্সেস করতে পারেন প্রকল্প নেভিগেশন ফলকের মাধ্যমে পৃষ্ঠা। পরবর্তী ধাপ হল ইনপুট হিসাবে ছবি প্রদান করা।
আপনার ডেটাসেট আমদানি করুন
আপনার কৃষি ফলন পরিমাপ মডেল তৈরি করতে, আপনাকে প্রথমে মডেলটি প্রশিক্ষণের জন্য একটি ডেটাসেট আমদানি করতে হবে। এই পোস্টের জন্য, আমাদের ডেটাসেট ইতিমধ্যেই গ্রাউন্ড ট্রুথ ব্যবহার করে লেবেল করা হয়েছে।
- জন্য ইমেজ আমদানি করুন, নির্বাচন করুন সেজমেকার গ্রাউন্ড ট্রুথ দ্বারা লেবেলযুক্ত ছবি আমদানি করুন.
- জন্য ম্যানিফেস্ট ফাইলের অবস্থান, আপনার ম্যানিফেস্ট ফাইলের S3 বাকেট অবস্থান লিখুন (
s3://{your-bucket-name}/fruits_image/annotated_data/fruits-labels/manifests/output/output.manifest
). - বেছে নিন ডেটাসেট তৈরি করুন.
আপনি আপনার লেবেল করা ডেটাসেট দেখতে পারেন।
এখন আপনার কাছে ML মডেলের জন্য আপনার ইনপুট ডেটাসেট রয়েছে যাতে সেগুলির উপর প্রশিক্ষণ শুরু হয়৷
আপনার মডেল প্রশিক্ষণ
আপনি আপনার ছবি লেবেল করার পরে, আপনি আপনার মডেল প্রশিক্ষণের জন্য প্রস্তুত.
- বেছে নিন ট্রেন মডেল.
- জন্য প্রকল্প নির্বাচন করুন, আপনার প্রকল্প নির্বাচন করুন
fruits_yield
. - বেছে নিন ট্রেনের মডেল.
প্রশিক্ষণ শেষ হওয়ার জন্য অপেক্ষা করুন। এখন আপনি এই প্রশিক্ষিত মডেলের কর্মক্ষমতা পরীক্ষা শুরু করতে পারেন।
আপনার মডেল পরীক্ষা করুন
আপনার কৃষি ফলন পরিমাপ মডেল এখন ব্যবহারের জন্য প্রস্তুত এবং এটিতে থাকা উচিত Running
অবস্থা. মডেল পরীক্ষা করতে, নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:
ধাপ 1: মডেলটি শুরু করুন
আপনার মডেলের বিবরণ পৃষ্ঠায়, মডেল ব্যবহার করুন ট্যাব, চয়ন করুন শুরু.
স্বীকৃতি কাস্টম লেবেলগুলি আপনার মডেল শুরু, ব্যবহার এবং বন্ধ করার জন্য API কলগুলিও প্রদান করে৷
ধাপ 2: মডেল পরীক্ষা করুন
যখন মডেল হয় Running
রাজ্য, আপনি নমুনা পরীক্ষার স্ক্রিপ্ট ব্যবহার করতে পারেন analyzeImage.py
একটি ছবিতে ফলের পরিমাণ গণনা করতে।
- থেকে এই স্ক্রিপ্ট ডাউনলোড করুন গিটহুব রেপো.
- প্যারামিটার প্রতিস্থাপন করতে এই ফাইলটি সম্পাদনা করুন
bucket
আপনার বালতি নাম এবং সঙ্গেmodel
আপনার Amazon Recognition মডেল ARN এর সাথে।
আমরা পরামিতি ব্যবহার করি photo
এবং min_confidence
এই পাইথন স্ক্রিপ্টের জন্য ইনপুট হিসাবে।
আপনি স্থানীয়ভাবে ব্যবহার করে এই স্ক্রিপ্ট চালাতে পারেন এডাব্লুএস কমান্ড লাইন ইন্টারফেস (AWS CLI) বা ব্যবহার করে এডাব্লুএস ক্লাউডশেল. আমাদের উদাহরণে, আমরা CloudShell কনসোলের মাধ্যমে স্ক্রিপ্টটি চালিয়েছি। উল্লেখ্য যে CloudShell হল ব্যবহার বিনামূল্যে.
কমান্ড ব্যবহার করে প্রয়োজনীয় নির্ভরতা ইনস্টল করার বিষয়টি নিশ্চিত করুন pip3 install boto3 PILLOW
যদি ইতিমধ্যে ইনস্টল করা না হয়।
নিম্নলিখিত স্ক্রিনশটটি আউটপুট দেখায়, যা ইনপুট ছবিতে দুটি ফল সনাক্ত করেছে৷ আমরা ফটো আর্গুমেন্ট হিসাবে 15.jpeg এবং 85 হিসাবে সরবরাহ করেছি min_confidence
মান।
নিচের উদাহরণে দুটি বাউন্ডিং বাক্স সহ ইমেজ 15.jpeg দেখানো হয়েছে।
আপনি আস্থার স্কোর আরও পরিবর্তন করে অন্যান্য চিত্রের সাথে একই স্ক্রিপ্ট চালাতে পারেন এবং পরীক্ষা করতে পারেন।
ধাপ 3: মডেল বন্ধ করুন
আপনার হয়ে গেলে, অপ্রয়োজনীয় চার্জ এড়াতে মডেল বন্ধ করতে ভুলবেন না। আপনার মডেলের বিশদ পৃষ্ঠায়, মডেল ব্যবহার করুন ট্যাবে, থামুন নির্বাচন করুন।
পরিষ্কার কর
অপ্রয়োজনীয় চার্জ এড়াতে, ব্যবহার না করার সময় এই ওয়াকথ্রুতে ব্যবহৃত সংস্থানগুলি মুছুন। আমাদের Amazon Recognition প্রকল্প এবং S3 বালতি মুছে ফেলতে হবে।
অ্যামাজন স্বীকৃতি প্রকল্প মুছুন
Amazon Recognition প্রকল্পটি মুছে ফেলতে, নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:
- অ্যামাজন রিকগনিশন কনসোলে, নির্বাচন করুন কাস্টম লেবেল ব্যবহার করুন.
- বেছে নিন এবার শুরু করা যাক.
- নেভিগেশন ফলকে, নির্বাচন করুন প্রকল্প.
- উপরে প্রকল্প পৃষ্ঠায়, আপনি যে প্রকল্পটি মুছতে চান সেটি নির্বাচন করুন।
- বেছে নিন মুছে ফেলা.
সার্জারির প্রকল্প মুছুন ডায়ালগ বক্স প্রদর্শিত হবে।
- বেছে নিন মুছে ফেলা.
- যদি প্রকল্পটির কোনো সংশ্লিষ্ট মডেল না থাকে:
- প্রবেশ করান মুছে ফেলা প্রকল্প মুছে ফেলার জন্য।
- বেছে নিন মুছে ফেলা প্রকল্প মুছে ফেলার জন্য।
- যদি প্রকল্পের সাথে যুক্ত মডেল বা ডেটাসেট থাকে:
- প্রবেশ করান মুছে ফেলা আপনি মডেল এবং ডেটাসেটগুলি মুছতে চান তা নিশ্চিত করতে।
- বাছাই করুন সংশ্লিষ্ট মডেল মুছুন, সংশ্লিষ্ট ডেটাসেট মুছুন, বা সংশ্লিষ্ট ডেটাসেট এবং মডেল মুছুন, মডেলটিতে ডেটাসেট, মডেল বা উভয়ই আছে কিনা তার উপর নির্ভর করে।
মডেল মুছে ফেলা সম্পূর্ণ হতে কিছু সময় লাগতে পারে। মনে রাখবেন যে Amazon Recognition কনসোল ট্রেনিং বা চলমান মডেলগুলি মুছতে পারে না৷ তালিকাভুক্ত যেকোন চলমান মডেলগুলি বন্ধ করার পরে আবার চেষ্টা করুন এবং প্রশিক্ষণ হিসাবে তালিকাভুক্ত মডেলগুলি সম্পূর্ণ না হওয়া পর্যন্ত অপেক্ষা করুন। আপনি মডেল মুছে ফেলার সময় ডায়ালগ বক্স বন্ধ করলে, মডেলগুলি এখনও মুছে ফেলা হয়। পরে, আপনি এই পদ্ধতিটি পুনরাবৃত্তি করে প্রকল্পটি মুছে ফেলতে পারেন।
- প্রবেশ করান মুছে ফেলা আপনি প্রকল্পটি মুছে ফেলতে চান তা নিশ্চিত করতে।
- বেছে নিন মুছে ফেলা প্রকল্প মুছে ফেলার জন্য।
আপনার S3 বালতি মুছুন
আপনাকে প্রথমে বালতিটি খালি করতে হবে এবং তারপরে এটি মুছে ফেলতে হবে।
- উপরে আমাজন S3 কনসোল, নির্বাচন করুন buckets.
- আপনি যে বালতিটি খালি করতে চান তা নির্বাচন করুন, তারপরে নির্বাচন করুন খালি.
- নিশ্চিত করুন যে আপনি পাঠ্য ক্ষেত্রে বালতির নাম প্রবেশ করে বালতিটি খালি করতে চান, তারপর নির্বাচন করুন খালি.
- বেছে নিন মুছে ফেলা.
- নিশ্চিত করুন যে আপনি টেক্সট ক্ষেত্রে বালতি নাম প্রবেশ করে বালতি মুছে ফেলতে চান, তারপর নির্বাচন করুন বালতি মুছুন.
উপসংহার
এই পোস্টে, আমরা আপনাকে দেখিয়েছি কিভাবে স্বীকৃতি কাস্টম লেবেল সহ একটি বস্তু সনাক্তকরণ মডেল তৈরি করতে হয়। এই বৈশিষ্ট্যটি এমন একটি কাস্টম মডেলকে প্রশিক্ষণ দেওয়া সহজ করে যা অন্য বস্তু নির্দিষ্ট করার প্রয়োজন ছাড়াই বা এর ফলাফলে নির্ভুলতা হারানোর প্রয়োজন ছাড়াই একটি অবজেক্ট ক্লাস সনাক্ত করতে পারে।
কাস্টম লেবেল ব্যবহার সম্পর্কে আরও তথ্যের জন্য, দেখুন অ্যামাজন স্বীকৃতি কাস্টম লেবেল কি?
লেখক সম্পর্কে
ধীরাজ ঠাকুর অ্যামাজন ওয়েব পরিষেবাগুলির সাথে একজন সমাধান স্থপতি৷ তিনি এন্টারপ্রাইজ ক্লাউড গ্রহণ, স্থানান্তর এবং কৌশল সম্পর্কে নির্দেশিকা প্রদান করতে AWS গ্রাহক এবং অংশীদারদের সাথে কাজ করেন। তিনি প্রযুক্তি সম্পর্কে উত্সাহী এবং বিশ্লেষণ এবং এআই/এমএল স্পেসে নির্মাণ এবং পরীক্ষা করা উপভোগ করেন।
সমীর গোয়েল নেদারল্যান্ডসের একজন সিনিয়র সলিউশন আর্কিটেক্ট, যিনি অত্যাধুনিক উদ্যোগে প্রোটোটাইপ তৈরি করে গ্রাহকদের সাফল্যের দিকে চালিত করেন। AWS-এ যোগদানের আগে, সমীর বোস্টন থেকে স্নাতকোত্তর ডিগ্রি লাভ করেন, ডেটা সায়েন্সে মনোযোগ দিয়ে। তিনি রাস্পবেরি পাইতে এআই/এমএল প্রকল্প তৈরি এবং পরীক্ষা করা উপভোগ করেন। আপনি তাকে খুঁজে পেতে পারেন লিঙ্কডইন.
- AI
- ai শিল্প
- এআই আর্ট জেনারেটর
- আইআই রোবট
- আমাজন রেকোনিশন
- কৃত্রিম বুদ্ধিমত্তা
- কৃত্রিম বুদ্ধিমত্তা সার্টিফিকেশন
- ব্যাংকিং এ কৃত্রিম বুদ্ধিমত্তা
- কৃত্রিম বুদ্ধিমত্তার রোবট
- কৃত্রিম বুদ্ধিমত্তার রোবট
- কৃত্রিম বুদ্ধিমত্তা সফ্টওয়্যার
- এডাব্লুএস মেশিন লার্নিং
- blockchain
- ব্লকচেইন সম্মেলন এআই
- coingenius
- কথোপকথন কৃত্রিম বুদ্ধিমত্তা
- ক্রিপ্টো সম্মেলন এআই
- ডাল-ই
- গভীর জ্ঞানার্জন
- গুগল আই
- মেশিন লার্নিং
- Plato
- প্লেটো এআই
- প্লেটো ডেটা ইন্টেলিজেন্স
- প্লেটো গেম
- প্লেটোডাটা
- প্লেটোগেমিং
- স্কেল ai
- বাক্য গঠন
- zephyrnet