ResNet

이 문서에서는 Azure Machine Learning 디자이너의 ResNet 구성 요소를 사용하여 ResNet 알고리즘을 사용하는 이미지 분류 모델을 만드는 방법을 설명합니다.

이 분류 알고리즘은 감독 학습 방법이며 레이블이 지정된 데이터 세트가 필요합니다.

참고 항목

이 구성 요소는 스튜디오의 데이터 레이블 지정에서 생성된 레이블이 지정된 데이터 세트를 지원하지 않지만 Convert에서 Image Directory 구성 요소로 생성된 레이블이 지정된 이미지 디렉터리만 지원합니다.

PyTorch 모델 학습에 대한 입력으로 모델 및 레이블이 지정된 이미지 디렉터리를 제공하여 모델을 학습시킬 수 있습니다. 그런 다음 학습된 모델을 사용하여 이미지 모델 점수 매기기를 사용하여 새 입력 예제의 값을 예측할 수 있습니다.

ResNet 구성 방법

디자이너에서 ResNet 구성 요소를 파이프라인에 추가합니다.
모델 이름에 특정 ResNet 구조체 이름을 지정합니다. 지원되는 ResNet(‘resnet18’, ‘resnet34’, ‘resnet50’, ‘resnet101’, ‘resnet152’, ‘resnet152’, ‘resnext50_32x4d’, ‘resnext101_32x8d’, ‘wide_resnet50_2’, ‘wide_resnet101_2’) 중에서 선택할 수 있습니다.
미리 학습된 경우 ImageNet에서 미리 학습된 모델을 사용할지 여부를 지정합니다. 선택하면 선택한 사전 학습된 모델을 기준으로 미세 조정할 수 있습니다. 선택 취소하면 처음부터 학습시킬 수 있습니다.
나머지 0 초기화에 각 나머지 분기에서 마지막 일괄 처리 일반 레이어를 0으로 초기화할지 여부를 지정합니다. 선택한 경우 잔류 분기는 0으로 시작하고 각 잔류 블록은 ID처럼 동작합니다. 이에 따라 https://arxiv.org/abs/1706.02677대규모 일괄 처리 크기의 수렴에 도움이 될 수 있습니다.
의 출력 커넥트ResNet 구성 요소, 학습 및 유효성 검사 이미지 데이터 세트 구성 요소를 PyTorch 모델 학습에 사용합니다.
파이프라인을 제출합니다.

파이프라인 실행이 완료된 후 점수 매기기에 모델을 사용하려면 PyTorch 모델 학습을 이미지 모델 채점에 연결하여 새 입력 예제의 값을 예측합니다.

속성	범위	Type	기본값	설명
모델 이름	모두	모드	resnext101_32x8d	특정 ResNet 구조체의 이름
미리 학습됨	모두	Boolean	True	ImageNet에서 사전 학습된 모델 사용 여부
나머지 0 초기화	모두	부울	False	각 잔류 분기에서 마지막 일괄 처리 표준 계층을 0으로 초기화할지 여부

이름	형식	설명
학습되지 않은 모델	UntrainedModelDirectory	PyTorch 모델 학습에 연결할 수 있는 학습되지 않은 ResNet 모델입니다.

Azure Machine Learning에서 사용 가능한 구성 요소 집합을 참조하세요.