共用方式為

ResNet

  • 發行項

本文說明如何使用 Azure 機器學習 設計工具中的 ResNet 元件，使用 ResNet 演算法建立影像分類模型。

此分類演算法是受監督的學習方法，而且需要加上標籤的數據集。

注意

此元件不支援從 Studio 中的數據捲標 產生的已標記數據集，但僅支援從 [轉換為映射目錄] 元件產生的已標記映射目錄 。

您可以藉由提供模型和加上標籤的影像目錄作為訓練 PyTorch 模型的輸入來定型模型來 定型模型。 然後，定型的模型可用來使用 評分影像模型來預測新輸入範例的值。

深入瞭解 ResNet

如需 ResNet 的詳細資訊，請參閱本文。

如何設定 ResNet

  1. 將 ResNet 元件新增至設計工具中的管線。

  2. 針對 [模型名稱]，指定特定 ResNet 結構的名稱，您可以從支援的 resnet 中選取：'resnet18'、'resnet34'、'resnet50'、'resnet101'、'resnet152'、'resnet152'、'resnext50_32x4d'、'resnext101_32x8d'、'wide_resnet50_2'、'wide_resnet101_2'。

  3. 針對 [預先定型]，指定是否要使用在 ImageNet 上預先定型的模型。 如果選取，您可以根據選取的預先定型模型來微調模型;如果取消選取，您可以從頭開始訓練。

  4. 針對 Zero init 殘差，指定是否要以零初始化每個剩餘分支中的最後一個批次常態層。 如果選取，剩餘分支會以零開始，而每個剩餘區塊的行為就像身分識別一樣。 這可協助根據 https://arxiv.org/abs/1706.02677在大型批次大小上聚合。

  5. 將 ResNet 元件的輸出、定型和驗證影像數據集元件連接到定型 PyTorch 模型。

  6. 提交管線。

結果

管線執行完成後，若要使用模型進行評分，請將 定型 PyTorch 模型 連接到 評分影像模型，以預測新輸入範例的值。

技術注意事項

元件參數

名稱 範圍 類型 預設 描述
模型名稱 任意 模式 resnext101_32x8d 特定 ResNet 結構的名稱
預先定型 任意 布林值 True 是否要使用在 ImageNet 上預先定型的模型
零 init 殘差 任意 Boolean False 是否要將每個剩餘分支中的最後一個批次規範層初始化為零

輸出

名字 類型​​ 描述
未定型的模型 UntrainedModelDirectory 可連線到定型 PyTorch 模型的未定型 ResNet 模型。

下一步

請參閱 Azure 機器學習 可用的元件集。