DenseNet

مقالة
06/01/2023

توضح المقالة كيفية استخدام مكون DenseNet في مصمم التعلم الآلي Azure لإنشاء نموذج تصنيف صورة باستخدام خوارزمية Densenet.

خوارزمية التصنيف هذه هي طريقة تعلم خاضعة للإشراف، وتتطلب دليل صور يحمل علامة.

ملاحظة

لا يعتمد المكون مجموعة البيانات المسماة التي تم إنشاؤها من "وضع العلامات البيانات" في الاستوديو، ولكن فقط دعم دليل الصور المسمى الذي تم إنشاؤه من مكون "تحويل إلى دليل الصور".

يمكنك تدريب النموذج عن طريق توفير النموذج ودليل الصورة المسمى كمدخلات لتدريب Pytorch Model. يمكن بعد ذلك استخدام النموذج المدرب للتنبؤ بالقيم لأمثلة الإدخال الجديدة باستخدام نموذج صورة النقاط.

كيفية التكوين ل DenseNet

إضافة مكون DenseNet إلى خط أنابيب الخاص بك في المصمم.
بالنسبة إلى اسم الطراز، حدد اسم بنية DenseNet معينة ويمكنك الاختيار من DenseNet المدعومة: "densenet121" و "densenet161" و "densenet169" و "densenet201".
بالنسبة إلى المدربين مسبقا، حدد ما إذا كنت ستستخدم نموذجا مدربا مسبقا على ImageNet. إذا تحددت، يمكنك ضبط النموذج استنادا إلى نموذج محدد تم تدريبه مسبقا؛ إذا تم إلغاء تحديدها، يمكنك التدريب من الصفر.
بالنسبة إلى الذاكرة الفعالة، حدد ما إذا كنت تريد استخدام نقاط التحقق، وهو أكثر كفاءة في الذاكرة ولكنه أبطأ. لمزيد من المعلومات، راجع ورقة البحث، تنفيذ الذاكرة كفاءة من DenseNets.
الاتصال إخراج مكون DenseNet والتدريب والتحقق من صحة مكون مجموعة بيانات الصور إلى نموذج تدريب Pytorch.
إرسال المسار.

النتائج

بعد اكتمال تشغيل خط أنابيب، لاستخدام نموذج لتسجيل النقاط، قم بتوصيل نموذج القطار Pytorch لتسجيل نموذج الصورة،للتنبؤ بالقيم لأمثلة الإدخال الجديدة.

ملاحظات فنية

المعلمات الخاصة بالمكون

الاسم	النطاق	النوع	افتراضي	الوصف
اسم النموذج	أي	الوضع	densenet201	اسم بنية DenseNet المعينة
مدربين مسبقا	أي	منطقي	صواب	ما إذا كنت تريد استخدام نموذج تم تدريبه مسبقا على ImageNet
كفاءة الذاكرة	أي	منطقي	خطأ	ما إذا كان لاستخدام نقاط التفتيش، والتي هي أكثر كفاءة الذاكرة ولكن أبطأ

المخرجات

الاسم	النوع	الوصف
النموذج الغير مدرب	UntrainedModelDirectory	نموذج DenseNet غير المدربين التي يمكن توصيلها إلى نموذج تدريب Pytorch.

الخطوات التالية

راجع مجموعة المكونات المتوفرة للتعلم الآلي من Azure.