Segmentazione dell'istanza dell'immagine AutoML

Questo articolo descrive un componente nella finestra di progettazione di Azure Machine Learning.

Usare questo componente per creare un modello di Machine Learning basato sul modello di segmentazione dell'istanza dell'immagine AutoML.

Modalità di configurazione

Seguire questo collegamento per un elenco completo dei parametri configurabili di questo componente.

Questo modello richiede un set di dati di training. La convalida e i set di dati di test sono facoltativi.

Seguire questo collegamento per altre informazioni su come preparare il set di dati. Il set di dati richiederà un set di dati etichettato che include una colonna etichetta con un valore per tutte le righe.

AutoML esegue una serie di versioni di valutazione (specificate in max_trials) in parallelo (specificato in max_concurrent_trials) che provano algoritmi e parametri diversi per il modello. Il servizio scorre gli algoritmi di Machine Learning associati alle selezioni degli iperparametri e ogni versione di valutazione produce un modello con un punteggio di training. È possibile scegliere la metrica per cui si vuole ottimizzare il modello. Migliore è il punteggio per la metrica scelta, migliore è il modello considerato "adatta" ai dati. È possibile definire criteri di uscita (criteri di terminazione) per l'esperimento. I criteri di uscita saranno modellati con un punteggio di training specifico che si vuole trovare in AutoML. Si arresterà una volta raggiunto i criteri di uscita definiti. Questo componente restituirà quindi il modello migliore generato alla fine dell'esecuzione per il set di dati. Visitare questo collegamento per altre informazioni sui criteri di uscita (criteri di terminazione).

1. Aggiungere il componente Segmentazione istanza immagine AutoML alla pipeline.

2. Specificare la colonna di destinazione di cui si vuole che il modello restituisca l'output

3. Specificare la metrica primaria che si vuole usare AutoML per misurare il successo del modello. Visitare questo collegamento per una spiegazione su ogni metrica primaria per la visione artificiale.

4. (Facoltativo) È possibile configurare le impostazioni dell'algoritmo. Visitare questo collegamento per un elenco degli algoritmi supportati per la visione artificiale.

5. (Facoltativo) Per configurare i limiti dei processi, visitare questo collegamento per altre spiegazioni.

6. (Facoltativo) Visitare questo collegamento per un elenco di configurazioni per il campionamento e la terminazione anticipata per lo sweep di processi. È anche possibile trovare altre informazioni su ognuno dei criteri e sui metodi di campionamento.

Passaggi successivi

Vedere il set di componenti disponibili per Azure Machine Learning.