이 문서에서는 Azure Machine Learning 디자이너의 구성 요소에 대해 설명합니다.
이 구성 요소를 사용하여 AutoML 이미지 인스턴스 구분 모델을 기반으로 하는 기계 학습 모델을 만듭니다.
구성 방법
이 구성 요소의 구성 가능한 매개 변수의 전체 목록은 이 링크를 따릅니다.
이 모델에는 학습 데이터 세트가 필요합니다. 유효성 검사 및 테스트 데이터 세트는 선택 사항입니다.
데이터 세트를 준비하는 방법에 대한 자세한 내용을 보려면 이 링크를 따르세요. 데이터 세트에는 모든 행에 대한 값이 있는 레이블 열이 포함된 레이블이 지정된 데이터 세트 가 필요합니다.
AutoML은 모델에 대해 다양한 알고리즘과 매개 변수를 시도하는 여러 평가판(max_trials 지정됨)을 병렬(max_concurrent_trials 지정)으로 실행합니다. 서비스는 하이퍼 매개 변수 선택과 쌍을 이루는 ML 알고리즘을 반복하고 각 평가판은 학습 점수가 있는 모델을 생성합니다. 모델을 최적화할 메트릭을 선택할 수 있습니다. 선택한 메트릭에 대한 점수가 더 좋을수록 모델이 데이터에 "적합"한 것으로 간주됩니다. 실험에 대한 종료 조건(종료 정책)을 정의할 수 있습니다. 종료 조건은 AutoML에서 찾을 특정 학습 점수를 가진 모델이 됩니다. 정의된 종료 조건에 도달하면 중지됩니다. 그런 다음 이 구성 요소는 데이터 세트에 대한 실행이 끝날 때 생성된 최상의 모델을 출력합니다. 종료 조건(종료 정책)에 대한 자세한 내용은 이 링크를 방문하세요.
AutoML 이미지 인스턴스 분할 구성 요소를 파이프라인에 추가합니다.
모델을 출력할 대상 열 지정
AutoML에서 모델의 성공을 측정하는 데 사용할 기본 메트릭 을 지정합니다. 컴퓨터 비전의 각 기본 메트릭에 대한 설명을 보려면 이 링크를 방문하세요.
(선택 사항) 알고리즘 설정을 구성할 수 있습니다. Computer Vision에 대해 지원되는 알고리즘 목록을 보려면 이 링크를 방문하세요.
(선택 사항) 작업 제한을 구성하려면 자세한 설명을 보려면 이 링크를 방문 하세요.
(선택 사항) 작업 스윕에 대한 샘플링 및 조기 종료에 대한 구성 목록은 이 링크를 방문하세요. 각 정책 및 샘플링 방법에 대한 자세한 정보를 찾을 수도 있습니다.
다음 단계
Azure Machine Learning에서 사용 가능한 구성 요소 집합을 참조하세요.