Testowanie i ponowne trenowanie modelu usługi Custom Vision
Po wytrenowaniu modelu usługi Custom Vision można go szybko przetestować przy użyciu lokalnie przechowywanego obrazu lub adresu URL wskazującego obraz zdalny. Przetestuj ostatnio wytrenowane iterację modelu, a następnie zdecyduj, czy potrzebne jest dalsze szkolenie.
Testowanie modelu
W portalu internetowym usługi Custom Vision wybierz swój projekt. Wybierz pozycję Szybki test po prawej stronie górnego paska menu. Ta akcja powoduje otwarcie okna z etykietą Szybki test.
W oknie Szybki test wybierz w polu Prześlij obraz i wprowadź adres URL obrazu, którego chcesz użyć do testu. Jeśli zamiast tego chcesz użyć lokalnie przechowywanego obrazu, wybierz przycisk Przeglądaj pliki lokalne i wybierz lokalny plik obrazu.
Wybrany obraz zostanie wyświetlony w środku strony. Następnie wyniki przewidywania są wyświetlane poniżej obrazu w postaci tabeli z dwiema kolumnami z etykietą Tagi i Pewność siebie. Po wyświetleniu wyników możesz zamknąć okno Szybki test .
Używanie przewidywanego obrazu do trenowania
Teraz możesz pobrać obraz przesłany wcześniej do testowania i użyć go do ponownego trenowania modelu.
Aby wyświetlić obrazy przesłane do klasyfikatora, otwórz stronę internetową usługi Custom Vision i wybierz kartę Przewidywania .
Napiwek
Widok domyślny przedstawia obrazy z bieżącej iteracji. Możesz użyć pola listy rozwijanej Iteracji , aby wyświetlić obrazy przesłane podczas poprzednich iteracji.
Zatrzymaj wskaźnik myszy na obrazie, aby zobaczyć tagi przewidywane przez klasyfikator.
Napiwek
Obrazy są klasyfikowane, dzięki czemu obrazy, które mogą przynieść największe zyski klasyfikatorowi, znajdują się u góry. Aby wybrać inne sortowanie, użyj sekcji Sortowanie .
Aby dodać obraz do danych treningowych, wybierz obraz, ręcznie wybierz tagi, a następnie wybierz pozycję Zapisz i zamknij. Obraz zostanie usunięty z sekcji Predictions (Przewidywania) i dodany do obrazów szkoleniowych. Możesz go wyświetlić, wybierając kartę Obrazy szkoleniowe.
Użyj przycisku Train (Trenowanie), aby ponownie wytrenować klasyfikator.