Классификация изображений AutoML с несколькими метками
В этой статье описывается компонент в конструкторе Машинного обучения Azure.
Используйте этот компонент для создания модели машинного обучения, основанной на многоэтапной классификации изображений AutoML.
Классификация изображений с несколькими метками — это задача компьютерного зрения, в которой цель заключается в прогнозировании набора меток, связанных с каждым отдельным изображением. Вы можете использовать классификацию с несколькими метками, где необходимо определить несколько свойств данного изображения.
Порядок настройки
Следуйте этой ссылке , чтобы получить полный список настраиваемых параметров этого компонента.
Этот компонент создает модель классификации. Поскольку классификация — это метод обучения с учителем, вам понадобится помеченный набор данных, который включает столбец метки со значением для всех строк.
Для этой модели требуется обучающий набор данных. Проверка и проверка наборов данных являются необязательными.
Чтобы получить дополнительные сведения о подготовке набора данных, следуйте этой ссылке. Для набора данных потребуется помеченный набор данных, содержащий столбец меток со значением для всех строк.
AutoML выполняет ряд пробных версий (указанных max_trials
в ) параллельно (specified in max_concurrent_trial
), которые пытаются использовать различные алгоритмы и параметры для модели. Служба выполняет итерацию по алгоритмам машинного обучения, парным с выбором гиперпараметров, и каждая пробная версия создает модель с оценкой обучения. Вы можете выбрать метрику, для которой требуется оптимизировать модель. Чем лучше оценка выбранной метрики, тем лучше модель считается "подходящей" для ваших данных. Вы можете определить условия выхода (политика завершения) для эксперимента. Критерии выхода будут моделью с определенной оценкой обучения, которую требуется найти AutoML. Он остановится после того, как он попадает в критерии выхода, определенные. Затем этот компонент выводит лучшую модель, созданную в конце выполнения для набора данных. Дополнительные сведения о критериях выхода (политика завершения) см. по этой ссылке.
Добавьте компонент классификации изображений AutoML с несколькими метками в конвейер.
Укажите целевой столбец , который требуется выводить модель
Укажите основную метрику , которую вы хотите использовать AutoML для измерения успеха модели. Перейдите по этой ссылке для объяснения каждой основной метрики для компьютерного зрения.
(Необязательно) Вы можете настроить параметры алгоритма. Перейдите по этой ссылке для списка поддерживаемых алгоритмов компьютерного зрения.
(Необязательно) Чтобы настроить ограничения заданий, перейдите по этой ссылке для получения дополнительных объяснений.
(Необязательно) Перейдите по этой ссылке в списке конфигураций для выборки и раннего завершения задания. Дополнительные сведения о каждой политике и методах выборки также можно найти.
Следующие шаги
Ознакомьтесь с набором доступных компонентов для машинного обучения Azure.