Catatan
Akses ke halaman ini memerlukan otorisasi. Anda dapat mencoba masuk atau mengubah direktori.
Akses ke halaman ini memerlukan otorisasi. Anda dapat mencoba mengubah direktori.
Artikel ini menjelaskan cara menggunakan komponen DenseNet di perancang Azure Machine Learning untuk membuat model klasifikasi gambar menggunakan algoritma DenseNet.
Algoritma klasifikasi ini adalah metode pembelajaran yang diawasi, dan memerlukan direktori gambar berlabel.
Catatan
Komponen ini tidak mendukung himpunan data berlabel yang dihasilkan dari Pelabelan Data di studio, tetapi hanya mendukung direktori gambar berlabel yang dihasilkan dari komponen Konversi ke Direktori Gambar.
Anda dapat melatih model dengan menyediakan model dan direktori gambar berlabel sebagai input ke Train PyTorch Model. Model terlatih kemudian dapat digunakan untuk memprediksi nilai untuk contoh input baru menggunakan Score Image Model.
Selengkapnya tentang DenseNet
Untuk informasi selengkapnya tentang DenseNet, lihat makalah penelitian, Densely Connected Convolutional Networks.
Cara mengonfigurasi DenseNet
Tambahkan komponen DenseNet ke alur Anda di perancang.
Untuk Nama model, tentukan nama struktur DenseNet tertentu dan Anda dapat memilih dari DenseNet yang didukung: 'densenet121', 'densenet161', 'densenet169', 'densenet201'.
Untuk Pretrained, tentukan apakah akan menggunakan model yang telah dilatih sebelumnya di ImageNet. Jika dipilih, Anda dapat menyempurnakan model berdasarkan model yang dilatih sebelunya yang dipilih; jika tidak dipilih, Anda dapat berlatih dari awal.
Agar Menghemat memori, tentukan apakah akan menggunakan titik pemeriksaan, yang jauh lebih hemat memori tetapi lebih lambat. Untuk informasi selengkapnya, lihat makalah penelitian, Implementasi DenseNets yang Hemat Memori.
Sambungkan output komponen DenseNet , pelatihan, dan komponen himpunan data gambar validasi ke Train PyTorch Model.
Kirim alur.
Hasil
Setelah eksekusi alur selesai, agar dapat menggunakan model untuk penilaian, sambungkan Train PyTorch Model ke Score Image Model untuk memprediksi nilai contoh input baru.
Catatan teknis
parameter komponen
| Nama | Rentang | Jenis | Bawaan | Deskripsi |
|---|---|---|---|---|
| Nama model | Mana pun | Pengaturan | densenet201 | Nama struktur DenseNet tertentu |
| Terlatih sebelumnya | Mana pun | Boolean (tipe data yang hanya memiliki dua nilai: true atau false) | Benar | Apakah akan menggunakan model yang telah dilatih sebelumnya di ImageNet |
| Hemat memori | Mana pun | Boolean (tipe data yang hanya memiliki dua nilai: true atau false) | Salah | Apakah akan menggunakan titik pemeriksaan, yang jauh lebih hemat memori tetapi lebih lambat |
Keluaran
| Nama | Jenis | Deskripsi |
|---|---|---|
| Model tak terlatih | UntrainedModelDirectory | Model DenseNet yang tidak terlatih yang dapat dihubungkan ke Train PyTorch Model. |
Langkah berikutnya
Lihat kumpulan komponen yang tersedia untuk Azure Machine Learning.