Segmentação de Instância de Imagem autoML
Este artigo descreve um componente no estruturador do Azure Machine Learning.
Utilize este componente para criar um modelo de machine learning baseado no modelo de Segmentação de Instâncias de Imagem autoML.
Como configurar
Siga esta ligação para obter uma lista completa dos parâmetros configuráveis deste componente.
Este modelo requer um conjunto de dados de preparação. Os conjuntos de dados de validação e teste são opcionais.
Siga esta ligação para obter mais informações sobre como preparar o conjunto de dados. O conjunto de dados precisará de um conjunto de dados etiquetado que inclua uma coluna de etiqueta com um valor para todas as linhas.
O AutoML executa várias tentativas (especificadas no max_trials) em paralelo (especificadas no max_concurrent_trials) que tentam algoritmos e parâmetros diferentes para o seu modelo. O serviço itera através de algoritmos ML emparelhados com seleções de hiperparâmetros e cada versão de avaliação produz um modelo com uma classificação de preparação. Pode escolher a métrica para a qual pretende otimizar o modelo. Quanto melhor for a classificação para a métrica escolhida, melhor será considerado o modelo para "ajustar" os seus dados. Pode definir um critério de saída (política de terminação) para a experimentação. Os critérios de saída serão um modelo com uma classificação de preparação específica que pretende que o AutoML encontre. Irá parar assim que atingir os critérios de saída definidos. Em seguida, este componente produzirá o melhor modelo que foi gerado no final da execução do conjunto de dados. Visite esta ligação para obter mais informações sobre os critérios de saída (política de cessação).
Adicione o componente Segmentação de Instância de Imagem autoML ao pipeline.
Especifique a Coluna de Destino que pretende que o modelo produza
Especifique a Métrica Primária que pretende que o AutoML utilize para medir o sucesso do modelo. Visite esta ligação para obter uma explicação sobre cada métrica primária da imagem digitalizada.
(Opcional) Pode configurar as definições do algoritmo. Visite esta ligação para obter uma lista de algoritmos suportados para a imagem digitalizada.
(Opcional) Para configurar os limites de tarefas, visite esta ligação para obter mais explicações.
(Opcional) Visite esta ligação para obter uma lista de configurações para Amostragem e Terminação Antecipada para a Sua Limpeza de Tarefas. Também pode encontrar mais informações sobre cada uma das políticas e métodos de amostragem.
Passos seguintes
Veja o conjunto de componentes disponíveis para o Azure Machine Learning.