DenseNet

Tento článek popisuje, jak pomocí komponenty DenseNet v návrháři služby Azure Machine Learning vytvořit model klasifikace obrázků pomocí algoritmu Densenet.

Tento klasifikační algoritmus je metoda učení se supervizí a vyžaduje označený adresář obrázků.

Poznámka

Tato komponenta nepodporuje datovou sadu s popisky vygenerovanou z popisování dat ve studiu, ale podporuje pouze adresář obrázků s popisky vygenerovaný komponentou Převést na adresář obrázků .

Model můžete vytrénovat tak, že jako vstupy pro trénování modelu Pytorch zadáte model a adresář obrázku s popiskem. Natrénovaný model pak můžete použít k predikci hodnot pro nové vstupní příklady pomocí určení skóre modelu obrázku.

DenseNet – podrobnější informace

Další informace o síti DenseNet najdete ve výzkumném dokumentu Densely Connected Convolutional Networks(Hustě propojené konvoluční sítě).

Jak nakonfigurovat DenseNet

1. Přidejte komponentu DenseNet do kanálu v návrháři.

2. V části Název modelu zadejte název určité struktury DenseNet a můžete si vybrat z podporovaných sítí DenseNet: densenet121, densenet161, densenet169, densenet201.

3. V části Předtrénováno určete, jestli se má použít model předem natrénovaný v síti ImageNet. Pokud je vybrána, můžete doladit model na základě vybraného předem natrénovaného modelu; Pokud není vybraná, můžete trénovat úplně od začátku.

4. Pro efektivitu paměti určete, jestli se má použít vytváření kontrolních bodů, což je mnohem efektivnější z hlediska paměti, ale pomalejší. Další informace najdete v výzkumném dokumentu Memory-Efficient Implementation of DenseNets (Efektivní implementace sítí DenseNets s využitím paměti).

5. Připojte výstup komponenty DenseNet , trénování a komponenty datové sady obrázků pro ověření k trénování modelu Pytorch.

6. Odešlete kanál.

Výsledky

Pokud chcete po dokončení spuštění kanálu použít model pro vyhodnocování, připojte trénování modelu Pytorch k určení skóre image modelu, abyste mohli předpovědět hodnoty pro nové vstupní příklady.

Technické poznámky

parametry komponenty

Name	Rozsah	Typ	Výchozí	Popis
Název modelu	Všechny	Režim	hustá síť201	Název určité struktury DenseNet
Předem vytrénováno	Všechny	Logická hodnota	Ano	Jestli použít model předem natrénovaný na ImageNet
Efektivita paměti	Všechny	Logická hodnota	Ne	Zda použít vytváření kontrolních bodů, které je mnohem efektivnější z hlediska paměti, ale pomalejší

Výstup

Název	Typ	Popis
Netrénovaný model	UntrainedModelDirectory	Netrénovaný model DenseNet, který lze připojit k trénování modelu Pytorch.

Další kroky

Podívejte se na sadu komponent dostupných pro Azure Machine Learning.