Képbesorolás a Custom Vision és a Windows Machine Learning használatával

Ez az útmutató bemutatja, hogyan: neurális hálózati modell betanítása az élelmiszerek képeinek az Azure Custom Vision szolgáltatással való besorolásához; exportálja a modellt ONNX formátumba; és helyezze üzembe a modellt egy helyileg windowsos eszközön futó Windows Machine Learning (Windows ML) alkalmazásban. Nincs szüksége a gépi tanulással kapcsolatos korábbi szakértelmére! Lépésről lépésre végigvezetjük a folyamaton.

Ha szeretné megtudni, hogyan hozhat létre és taníthat be modelleket a Custom Vision használatával, folytathatja a modell betanítása című témakört.

Ha rendelkezik egy modellel, és meg szeretné tanulni, hogyan hozhat létre teljesen új Windows ML-alkalmazást, tekintse meg a Windows ML-alkalmazás teljes oktatóanyagát.

Ha egy Már meglévő Visual Studio-projekttel szeretne kezdeni egy Windows ML-alkalmazáshoz, klónozhatja a Custom Vision és a Windows ML oktatóanyag mintaalkalmazást, és ezt használhatja kiindulási pontként.

Forgatókönyv

Ebben az oktatóanyagban létrehozunk egy gépi tanulási élelmiszerbesorolási alkalmazást, amely Windows-eszközökön fut. A modell be lesz tanítva bizonyos típusú minták felismerésére az élelmiszerek képének besorolásához, és ha képet ad, egy besorolási címkét és az adott besoroláshoz tartozó százalékos megbízhatósági értéket ad vissza.

A modell betanításának előfeltételei

A modell létrehozásához és betanítása érdekében előfizetésre lesz szüksége az Azure Custom Vision-szolgáltatásokhoz.

Ha még nem rendelkezik azure-beli fiókkal, regisztrálhat ingyenes Azure-fiókra. Így gépi tanulási modelleket hozhat létre, taníthat be és helyezhet üzembe az Azure AI-vel.

Jótanács

Szeretne többet megtudni az Azure regisztrációs lehetőségeiről és az ingyenes Azure-fiókokról? Ezután nézze meg az Azure-fiók létrehozását.

A Windows ML-alkalmazás üzembe helyezésének előfeltételei

Windows ML-alkalmazás létrehozásához és üzembe helyezéséhez a következőkre lesz szüksége:

• Windows 10, 1809-es verzió (17763-es build) vagy újabb. A build-verziószám ellenőrzéséhez futtassa a winver a Futtatás paranccsal (Windows billentyű + R).
• Windows SDK az 17763-os vagy újabb buildhez. A letöltéshez tekintse meg a Windows SDK-t.
• Visual Studio 2017 15.7-es vagy újabb verzió; de azt javasoljuk, hogy a Visual Studio 2022-et vagy újabb verziót használja. Az oktatóanyag néhány képernyőképe eltérhet a megjelenő felhasználói felülettől. A Visual Studio letöltéséhez tekintse meg a Windows-fejlesztéshez szükséges letöltéseket és eszközöket.
• Windows ML Code Generator (mlgen) Visual Studio-bővítmény. Töltse le a Visual Studio 2019 vagy újabb verziójához vagy a Visual Studio 2017-hez.
• Ha univerzális Windows-platform (UWP) alkalmazás létrehozása mellett dönt, engedélyeznie kell az univerzális Windows platform fejlesztési számítási feladatait a Visual Studióban.
• Fejlesztői mód engedélyezése a pc-n – lásd : Eszköz engedélyezése fejlesztésre.

Megjegyzés:

A Windows ML API-k a Windows 10 (1809 vagy újabb) és a Windows Server 2019 legújabb verzióiba vannak beépítve. Ha a célplatform a Windows régebbi verziója, akkor a Windows ML-alkalmazást az terjeszthető NuGet-csomagba (Windows 8.1 vagy újabb) is portolhatja.

Az adatok előkészítése

A gépi tanulási modelleket be kell tanítani meglévő adatokkal. Ebben az útmutatóban a Kaggle Open Datasets élelmiszerképeinek adatkészletét fogja használni. Ez az adatkészlet a nyilvános tartomány licence alatt van elosztva.

Fontos

Az adatkészlet használatához be kell tartania a Kaggle-webhely használati feltételeit és magát az Food-11 adatkészletet kísérő licencfeltételeket. A Microsoft nem vállal garanciát vagy képviseletet a webhelyre vagy az adatkészletre vonatkozóan.

Az adathalmaz három részből áll – értékelés, betanítás és ellenőrzés –, és 16 643 élelmiszerképet tartalmaz, 11 fő élelmiszerkategóriába csoportosítva. Az egyes élelmiszerkategóriák adathalmazában lévő képek külön mappába kerülnek, ami kényelmesebbé teszi a modell betanítási folyamatát.

Töltse le az adathalmazt a Food-11 képadatkészletből. Az adathalmaz mérete körülbelül 1 GB, és előfordulhat, hogy a rendszer arra kéri, hogy hozzon létre egy fiókot a Kaggle webhelyén az adatok letöltéséhez.

Tetszés szerint bármilyen más adathalmazt is használhat a releváns képekhez. Minimálisan azt javasoljuk, hogy címkénként legalább 30 képet használjon az első betanítási csoportban. Emellett érdemes néhány további képet is összegyűjteni, hogy tesztelje a modellt a betanítása után.

Emellett győződjön meg arról, hogy az összes tanulókép megfelel a következő feltételeknek:

• .jpg, .png, .bmpvagy .gif formátum.
• Legfeljebb 6 MB méretű (előrejelzési képek esetén 4 MB).
• Nem kisebb, mint 256 képpont a legrövidebb élen; az ennél rövidebb képeket a Custom Vision Service automatikusan felskálázza.

Következő lépések

Most, hogy elrendezte az előfeltételeit, és előkészítette az adathalmazt, folytathatja a Windows ML-modell létrehozását. A következő részben (a modell betanítása a Custom Vision használatával) a webalapú Custom Vision-felülettel hozza létre és tanítja be a besorolási modellt.