AutoML képobjektum-észlelés
Ez a cikk az Azure Machine Learning designer egy összetevőjét ismerteti.
Ezzel az összetevővel létrehozhat egy autoML-rendszerképobjektum-észlelésen alapuló gépi tanulási modellt.
A Képobjektum-észlelési modell megkeresi és kategorizálja az entitásokat a képeken belül. Az objektumészlelési modelleket általában mélytanulási és neurális hálózatokkal tanítják be.
Konfigurálás
Kövesse ezt a hivatkozást az összetevő konfigurálható paramétereinek teljes listájához.
Ehhez a modellhez betanítási adatkészlet szükséges. Az adathalmazok érvényesítése és tesztelése nem kötelező.
Ezen a hivatkozáson további információt kaphat az adathalmaz előkészítéséről . Az adatkészlethez olyan címkézett adatkészletre lesz szükség, amely tartalmaz egy címkeoszlopot, amely minden sorhoz tartalmaz értéket.
Az AutoML számos (max_trials-ben megadott) próbaverziót futtat párhuzamosan (max_concurrent_trials), amelyek különböző algoritmusokat és paramétereket próbálnak ki a modellhez. A szolgáltatás a hiperparaméter-kijelölésekkel párosított ML-algoritmusokon keresztül iterál, és minden próba egy betanítási pontszámmal rendelkező modellt hoz létre. Kiválaszthatja azt a metrikát, amelyhez optimalizálni szeretné a modellt. Minél jobb a kiválasztott metrika pontszáma, annál jobb, ha a modell "illeszkedik" az adatokhoz. A kísérlethez definiálhat kilépési feltételeket (megszüntetési szabályzatot). A kilépési feltételek egy adott betanítási pontszámmal rendelkező modell lesznek, amelyet az AutoML-nek meg kell találnia. A megadott kilépési feltételek teljesülése után leáll. Ez az összetevő a futtatás végén létrehozott legjobb modellt adja ki az adathalmazhoz. Ezen a hivatkozáson további információt talál a kilépési feltételekről (a felmondási szabályzatról).
Adja hozzá az AutoML képobjektum-észlelési összetevőt a folyamathoz.
Adja meg a céloszlopot , amelyet a modellnek ki szeretne adni
Adja meg a modell sikerének méréséhez használni kívánt elsődleges metrikát . Ezen a hivatkozáson a számítógépes látás egyes elsődleges mérőszámainak magyarázatát tekinti meg.
(Nem kötelező) Az algoritmusbeállításokat konfigurálhatja. Ezen a hivatkozáson megtekintheti a számítógépes látás támogatott algoritmusainak listáját.
(Nem kötelező) A feladatok korlátainak konfigurálásához tekintse meg ezt a hivatkozást további magyarázatért.
(Nem kötelező) Ezen a hivatkozáson megtekintheti a feladatseprő mintavételezési és korai felmondási konfigurációinak listáját. Az egyes szabályzatokról és mintavételezési módszerekről további információt is találhat.
Következő lépések
Tekintse meg az Azure Machine Learning számára elérhető összetevőket.