ResNet
En este artículo se describe cómo usar el componente ResNet en el diseñador de Azure Machine Learning para crear un modelo de clasificación de imágenes con el algoritmo ResNet.
Este algoritmo de clasificación es un método de aprendizaje supervisado y requiere un conjunto de datos etiquetado.
Nota
Este componente no admite el conjunto de datos con etiqueta generado a partir del etiquetado de datos en el estudio, sino que solo admite el directorio de imágenes con etiqueta generado a partir del componente Convert to Image Directory (Convertir en directorio de imágenes).
Puede entrenar el modelo proporcionando un modelo y un directorio de imagen etiquetado como entradas para entrenar el modelo de PyTorch. Después, el modelo entrenado puede utilizarse para predecir valores para los nuevos ejemplos de entrada mediante Puntuación del modelo de imagen.
Más información sobre ResNet
Consulte este documento para obtener más información sobre ResNet.
Configuración de ResNet
Agregue el componente ResNet a la canalización en el diseñador.
En Nombre del modelo, especifique el nombre de una determinada estructura ResNet y puede seleccionar entre ResNet compatibles: "resnet18", "resnet34", "resnet50", "resnet101", "resnet152", "resnet152", "resnext50_32x4d", "resnext101_32x8d", "wide_resnet50_2", "wide_resnet101_2".
En Pretrained (Entrenado previamente), especifique si desea usar un modelo entrenado previamente en ImageNet. Si se selecciona esta opción, puede ajustar el modelo en función de un modelo previamente entrenado seleccionado. Si se anula la selección, puede entrenarlo desde cero.
En Zero init residual (valor residual de inicialización cero), especifique si quiere inicializar en cero la última capa de normalización por lotes en cada rama residual. Si se selecciona, la rama residual comienza con ceros y cada bloque residual se comporta como una identidad. Esto puede ayudar a la convergencia en lotes de gran tamaño de acuerdo con https://arxiv.org/abs/1706.02677.
Conectar la salida de Componente ResNet, componente de conjunto de datos de imagen de entrenamiento y validación en el modelo De entrenamiento de PyTorch.
Envíe la canalización.
Results
Una vez completada la ejecución de la canalización, para usar el modelo para la puntuación, conecte Entrenamiento del modelo de PyTorch a Puntuación del modelo de imagen, para predecir valores para los nuevos ejemplos de entrada.
Notas técnicas
Parámetros del componente
| Nombre | Intervalo | Tipo | Valor predeterminado | Descripción |
|---|---|---|---|---|
| Nombre del modelo | Any | Mode | resnext101_32x8d | Nombre de una determinada estructura ResNet |
| Entrenado previamente | Any | Boolean | True | Si desea usar un modelo entrenado previamente en ImageNet |
| Valor residual de inicialización cero | Any | Boolean | False | Si se debe inicializar en cero la última capa de normalización por lotes en cada rama residual |
Output
| Nombre | Escribir | Descripción |
|---|---|---|
| Modelo no entrenado | UntrainedModelDirectory | Un modelo resNet sin entrenar que se puede conectar al modelo de Entrenamiento de PyTorch. |
Pasos siguientes
Vea el conjunto de componentes disponibles para Azure Machine Learning.