DenseNet

Questo articolo descrive come usare il componente DenseNet nella finestra di progettazione di Azure Machine Learning per creare un modello di classificazione delle immagini usando l'algoritmo Densenet.

Questo algoritmo di classificazione è un metodo di apprendimento supervisionato e richiede una directory di immagini con etichetta.

Nota

Questo componente non supporta il set di dati etichettato generato dall'etichettatura dei dati nello studio, ma supporta solo la directory delle immagini etichettata generata dal componente Convert to Image Directory .

È possibile eseguire il training del modello specificando il modello e la directory dell'immagine etichettata come input per eseguire il training del modello Pytorch. Il modello sottoposto a training può quindi essere usato per stimare i valori per i nuovi esempi di input usando Score Image Model.The trained model can then be used to predict values for the new input examples using Score Image Model.

Altre informazioni su DenseNet

Per altre informazioni su DenseNet, vedere il documento di ricerca Densely Connected Convoutional Networks.For more information on Densenet, see the research paper, Densely Connected Convoutional Networks.

Come configurare DenseNet

1. Aggiungere il componente DenseNet alla pipeline nella finestra di progettazione.

2. Per Nome modello specificare il nome di una determinata struttura DenseNet ed è possibile selezionare da DenseNet supportato: 'densenet121', 'densenet161', 'densenet169', 'densenet201'.

3. Per Pretrained specificare se usare un modello con training preliminare in ImageNet. Se selezionata, è possibile ottimizzare il modello in base al modello con training preliminare selezionato; se deselezionata, è possibile eseguire il training da zero.

4. Per Memoria efficiente, specificare se usare il checkpoint, che è molto più efficiente ma più lento. Per altre informazioni, vedere il documento di ricerca Implementazione efficiente della memoria di DenseNets.

5. Connettere l'output del componente DenseNet , il training e il componente del set di dati dell'immagine di convalida al modello Train Pytorch.

6. Inviare la pipeline.

Risultati

Al termine dell'esecuzione della pipeline, per usare il modello per l'assegnazione dei punteggi, connettere train Pytorch Model to Score Image Model (Eseguire il training del modello Pytorch a Score Image Model) per stimare i valori per i nuovi esempi di input.

Note tecniche

parametri del componente

Nome	Intervallo	Type	Predefinito	Descrizione
Nome modello	Qualsiasi	Modalità	densenet201	Nome di una determinata struttura DenseNet
Sottoposto a training preliminare	Qualsiasi	Boolean	True	Indica se usare un modello con training preliminare in ImageNet
Memoria efficiente	Qualsiasi	Boolean	Falso	Se usare il checkpoint, che è molto più efficiente della memoria, ma più lento

Output

Nome	Tipo	Descrizione
Untrained model	UntrainedModelDirectory	Modello DenseNet non sottoposto a training che può essere connesso al modello Train Pytorch.

Passaggi successivi

Vedere il set di componenti disponibili per Azure Machine Learning.