DenseNet
In dit artikel wordt beschreven hoe u het DenseNet-onderdeel in azure Machine Learning Designer gebruikt om een afbeeldingsclassificatiemodel te maken met behulp van het Densenet-algoritme.
Dit classificatie-algoritme is een leermethode onder supervisie en vereist een gelabelde afbeeldingsmap.
Notitie
Dit onderdeel biedt geen ondersteuning voor gelabelde gegevensset die is gegenereerd op basis van gegevenslabeling in de studio, maar biedt alleen ondersteuning voor gelabelde afbeeldingsmap die is gegenereerd vanuit het onderdeel Convert to Image Directory .
U kunt het model trainen door het model en de gelabelde afbeeldingsmap op te geven als invoer voor het Pytorch-model trainen. Het getrainde model kan vervolgens worden gebruikt om waarden te voorspellen voor de nieuwe invoervoorbeelden met behulp van Score Image Model.
Meer informatie over DenseNet
Zie het onderzoeksdocument, Densely Connected Convolutional Networks, voor meer informatie over DenseNet.
DenseNet configureren
Voeg het DenseNet-onderdeel toe aan uw pijplijn in de ontwerpfunctie.
Geef voor modelnaam een naam op van een bepaalde DenseNet-structuur en u kunt kiezen uit ondersteund DenseNet: 'densenet121', 'densenet161', 'densenet169', 'densenet201'.
Geef voor Vooraf getraind op of u een model wilt gebruiken dat vooraf is getraind op ImageNet. Indien geselecteerd, kunt u het model verfijnen op basis van het geselecteerde vooraf getrainde model; als de optie is uitgeschakeld, kunt u helemaal zelf trainen.
Geef voor Geheugenefficiënte op of controlepunten moeten worden gebruikt. Dit is veel efficiënter, maar langzamer. Zie het onderzoeksdocument, Geheugenefficiënte implementatie van DenseNets voor meer informatie.
Verbind de uitvoer van het component , de trainings- en validatiegegevensset van de afbeeldingsgegevensset met het Train Pytorch-model.
Verzend de pijplijn.
Resultaten
Nadat de pijplijnuitvoering is voltooid, verbindt u het Train Pytorch-model met Score Image Model om waarden voor nieuwe invoervoorbeelden te voorspellen om het model te gebruiken voor scoren.
Technische notities
componentparameters
| Naam | Bereik | Type | Default | Beschrijving |
|---|---|---|---|---|
| Modelnaam | Alle | Modus | densenet201 | Naam van een bepaalde DenseNet-structuur |
| Vooraf getraind | Alle | Booleaanse waarde | Waar | Of u een model wilt gebruiken dat vooraf is getraind op ImageNet |
| Geheugenefficiënt | Alle | Booleaanse waarde | Onwaar | Of controlepunten moeten worden gebruikt, wat veel efficiënter is, maar langzamer |
Uitvoer
| Meetcriterium | Type | Description |
|---|---|---|
| Ongetraind model | UntrainedModelDirectory | Een niet-getraind DenseNet-model dat kan worden verbonden met Het Pytorch-model trainen. |
Volgende stappen
Bekijk de set onderdelen die beschikbaar zijn voor Azure Machine Learning.