DenseNet
Este artigo descreve como utilizar o componente DenseNet no estruturador do Azure Machine Learning para criar um modelo de classificação de imagens com o algoritmo Densenet.
Este algoritmo de classificação é um método de aprendizagem supervisionado e requer um diretório de imagem etiquetado.
Nota
Este componente não suporta o conjunto de dados etiquetado gerado a partir da Etiquetagem de Dados no estúdio, mas apenas suporta o diretório de imagem etiquetado gerado a partir do componente Converter para o Diretório de Imagens .
Pode preparar o modelo ao fornecer o modelo e o diretório de imagem etiquetado como entradas para Preparar Modelo Pytorch. Em seguida, o modelo preparado pode ser utilizado para prever valores para os novos exemplos de entrada com o Modelo de Imagem de Classificação.
Mais informações sobre a DenseNet
Para obter mais informações sobre a DenseNet, veja o artigo de investigação Redes Convolucionais Densamente Ligadas.
Como configurar a DenseNet
Adicione o componente DenseNet ao pipeline no estruturador.
Em Nome do modelo, especifique o nome de uma determinada estrutura DenseNet e pode selecionar a partir da DenseNet suportada: "densenet121", "densenet161", "densenet169", "densenet201".
Para Pré-preparado, especifique se pretende utilizar um modelo pré-preparado na ImageNet. Se estiver selecionado, pode ajustar o modelo com base no modelo pré-preparado selecionado; se for desselecionado, pode preparar do zero.
Para a Memória eficiente, especifique se pretende utilizar o ponto de verificação, que é muito mais eficiente em termos de memória, mas mais lento. Para obter mais informações, veja o documento de investigação Implementação Eficiente em Memória das DenseNets.
Ligue o resultado do componente DenseNet , preparação e componente de conjunto de dados de imagem de validação ao Modelo De Preparação do Pytorch.
Submeta o pipeline.
Resultados
Após a conclusão da execução do pipeline, para utilizar o modelo para classificação, ligue o Modelo De Preparação do Pytorch ao Modelo de Imagem de Classificação, para prever valores para novos exemplos de entrada.
Notas técnicas
parâmetros do componente
Name | Intervalo | Tipo | Predefinição | Description |
---|---|---|---|---|
Nome do modelo | Qualquer | Modo | densenet201 | Nome de uma determinada estrutura DenseNet |
Pré-preparado | Qualquer | Booleano | Verdadeiro | Se pretende utilizar um modelo pré-preparado na ImageNet |
Memória eficiente | Qualquer | Booleano | Falso | Se pretende utilizar o ponto de verificação, que é muito mais eficiente em termos de memória, mas mais lento |
Saída
Nome | Tipo | Descrição |
---|---|---|
Modelo não preparado | UntrainedModelDirectory | Um modelo DenseNet não preparado que pode ser ligado ao Modelo Train Pytorch. |
Passos seguintes
Veja o conjunto de componentes disponíveis para o Azure Machine Learning.