Segmentace instance image AutoML

Tento článek popisuje komponentu v návrháři služby Azure Machine Learning.

Tato komponenta slouží k vytvoření modelu strojového učení založeného na modelu segmentace instance image AutoML.

Způsob konfigurace

Úplný seznam konfigurovatelných parametrů této komponenty najdete na tomto odkazu .

Tento model vyžaduje trénovací datovou sadu. Ověřovací a testovací datové sady jsou volitelné.

Další informace o přípravě datové sady najdete na tomto odkazu. Datová sada bude potřebovat označenou datovou sadu , která obsahuje sloupec popisku s hodnotou pro všechny řádky.

AutoML spouští řadu pokusů (zadaných v max_trials) paralelně (zadané v max_concurrent_trials), které pro váš model zkouší různé algoritmy a parametry. Služba iteruje prostřednictvím algoritmů ML spárovaných s výběrem hyperparametrů a každá zkušební verze vytvoří model s trénovacím skóre. Můžete zvolit metriku, pro kterou má model optimalizovat. Lepší skóre pro zvolenou metriku, tím lépe se model považuje za "fit" vaše data. Pro experiment můžete definovat kritéria ukončení (zásady ukončení). Výstupní kritéria budou modelem s konkrétním trénovacím skóre, které má AutoML najít. Jakmile dosáhne definovaných kritérií ukončení, zastaví se. Tato komponenta pak vypíše nejlepší model, který se vygeneroval na konci spuštění vaší datové sady. Další informace o kritériích ukončení (zásadách ukončení) najdete na tomto odkazu.

1. Přidejte do kanálu komponentu Segmentace instance image AutoML.

2. Zadejte cílový sloupec, který má být model výstupem.

3. Zadejte primární metriku, kterou má AutoML použít k měření úspěšnosti modelu. Na tomto odkazu najdete vysvětlení jednotlivých primárních metrik počítačového zpracování obrazu.

4. (Volitelné) Můžete nakonfigurovat nastavení algoritmu. Na tomto odkazu najdete seznam podporovaných algoritmů pro počítačové zpracování obrazu.

5. (Volitelné) Pokud chcete nakonfigurovat limity úloh, navštivte tento odkaz, kde najdete další vysvětlení.

6. (Volitelné) Na tomto odkazu najdete seznam konfigurací pro vzorkování a předčasné ukončení pro váš úklid úloh. Další informace o jednotlivých zásadách a metodách vzorkování najdete také.

Další kroky

Podívejte se na sadu komponent dostupných pro Azure Machine Learning.