AutoML 映射實例分割
本文描述 Azure Machine Learning 設計工具中的一個元件。
使用此元件建立以 AutoML 影像實例分割模型為基礎的機器學習模型。
如何設定
請遵循此連結 以取得此元件可設定參數的完整清單。
此模型需要訓練資料集。 驗證和測試資料集是選擇性的。
請遵循此連結以取得 如何準備資料集的詳細資訊。 資料集需要已 加上標籤的資料集 ，其中包含具有所有資料列值的標籤資料行。
AutoML 會以平行方式 (在max_concurrent_trials) 中指定的平行 (執行數個 (max_trials) ，以嘗試模型的不同演算法和參數。 此服務會逐一查看與超參數選取專案配對的 ML 演算法，而每個試用版都會產生具有定型分數的模型。 您可以選擇您想要讓模型優化的計量。 所選計量的分數越好，模型就會被視為「符合」您的資料。 您可以定義實驗的結束準則 (終止原則) 。 結束準則將會是具有您想要 AutoML 尋找之特定定型分數的模型。 一旦達到定義的結束準則，它就會停止。 此元件接著會輸出在資料集執行結束時產生的最佳模型。 如需 結束準則 (終止原則的詳細資訊， 請流覽此連結) 。
將 AutoML 映射實例分割 元件新增至管線。
指定您想要模型輸出的目標資料行
指定您想要讓 AutoML 用來測量模型成功 的主要計量 。 如需電腦視覺每個主要計量的說明，請流覽此連結。
(選擇性) 您可以設定演算法設定。 如需電腦視覺支援的演算法清單，請流覽此連結。
(選擇性) 若要設定作業限制，請流覽 此連結以取得詳細資訊。
(選擇性) 請流覽此連結，以取得 作業掃掠的取樣和早期終止設定清單。 您也可以找到每個原則和取樣方法的詳細資訊。
後續步驟
請參閱 Azure Machine Learning 可用的元件集。