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
Přidejte komponentu DenseNet do kanálu v návrháři.
V části Název modelu zadejte název určité struktury DenseNet a můžete si vybrat z podporovaných sítí DenseNet: densenet121, densenet161, densenet169, densenet201.
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.
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).
Připojte výstup komponenty DenseNet , trénování a komponenty datové sady obrázků pro ověření k trénování modelu Pytorch.
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.