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 akan menguraikan cara menggunakan komponen ResNet di perancang Azure Machine Learning untuk membuat model klasifikasi gambar menggunakan algoritma ResNet.
Algoritma klasifikasi ini adalah metode pembelajaran yang diawasi, dan memerlukan himpunan data.
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 ResNet
Lihat makalah ini untuk detail selengkapnya tentang ResNet.
Cara mengonfigurasi ResNet
Tambahkan komponen ResNet ke alur Anda di perancang.
Untuk Nama model, tentukan nama struktur ResNet tertentu dan Anda dapat memilih dari resnet yang didukung: 'resnet18', 'resnet34', 'resnet50', 'resnet101', 'resnet152', 'resnet152', ' resnext50_32x4d', 'resnext101_32x8d', 'wide_resnet50_2', 'wide_resnet101_2'.
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.
Untuk Residu nol init, tentukan apakah akan menginisialisasi nol lapisan norma batch terakhir di setiap cabang residu. Jika dipilih, cabang residu dimulai dengan nol, dan setiap blok residu berperilaku seperti identitas. Ini dapat membantu dengan konvergensi pada ukuran batch besar menurut https://arxiv.org/abs/1706.02677.
Sambungkan output komponen ResNet , komponen himpunan data gambar pelatihan dan validasi ke Melatih Model PyTorch.
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 | resnext101_32x8d | Nama struktur ResNet 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 |
| Residu nol init | Mana pun | Boolean (tipe data yang hanya memiliki dua nilai: true atau false) | Salah | Apakah akan menginisialisasi nol lapisan norma batch terakhir di setiap cabang residu |
Keluaran
| Nama | Jenis | Deskripsi |
|---|---|---|
| Model tak terlatih | UntrainedModelDirectory | Model ResNet yang tidak terlatih yang dapat dihubungkan ke Melatih Model PyTorch. |
Langkah berikutnya
Lihat kumpulan komponen yang tersedia untuk Azure Machine Learning.