Google Cloud Vision AutoML 和 Google TensorFlow 之间有什么区别？
https://cloud.google.com/vision/automl/docs/train
https://www.tensorflow.org/hub/tutorials/object_detection
它们都来自同一家公司，并且都进行API对象检测，允许用户训练图像模型，允许用户使用Python编程。Google Cloud AutoML 在底层是否使用了 Google TensorFlow，只是以云模型的形式运行，因此用户无需下载软件？
只是想了解这两个组件。
Google Cloud AutoML
回答：
Google Cloud AutoML Vision 在 Google Cloud Platform 上运行，而 Google TensorFlow 对象检测 在 Google Colab 上运行。
它们之间存在一些主要区别。我将尝试在这里介绍最重要的几个：
-
Colab 在Google Drive 上运行，其基础版本是免费的，而 AutoML 视觉的费用为每节点小时 3.15 美元。
注意：“您可以通过每个账单账户使用 40 个免费节点小时进行训练和在线预测，以及 1 个免费节点小时进行批量预测，来免费试用 AutoML Vision 对象检测。”
-
Colab 具有简单的身份验证和预构建的连接器，而 AutoML 与 Google Cloud Platform 完全集成。
-
Colab 是一款消费者产品，没有任何企业支持，而 AutoML 视觉则提供企业支持，以解决您的所有问题和查询。
-
为了获得最高级别的编程控制，您最好使用 TensorFlow 创建自定义对象检测模型。一些示例可以在这里找到。为了缩短上市时间，客户可以使用迁移学习，并使用TensorFlow Hub 中可用的模型架构之一，或从其他来源下载模型权重。
-
另一方面，AutoML Vision 不提供对模型构建的细粒度控制，因此您无法以编程方式调整生成的模型。AutoML 使用神经架构搜索来设计适合任务的最佳神经网络。这种方法更快，因为所需的只是训练数据和任务来构建神经网络。您可以在这里找到更多关于 AutoML Vision 的详细信息和示例。
-
如果您想使用现成的 API（对模型本身没有任何定制），他们可以直接利用Vision API。该 API 为常见任务（如对象检测、OCR 等）提供预测，并且不允许任何控制，无需带来任何数据或训练任何机器学习模型。这里的缺点是 API 背后的模型是静态的，不能像 AutoML Vision 那样重新训练。关于 Vision API 和 AutoML Vision 之间的区别，可以在这里找到更多详细信息。
-
关于哪个产品在对象检测方面做得更好 – 您应该进行自己的实验，看看哪个产品最适合您的需求。
最后，按增加的编程控制顺序如下：
Vision API > AutoML Vision > TensorFlow（使用迁移学习）> TensorFlow（自定义模型）
