DenseNet

Tento článek popisuje, jak pomocí komponenty DenseNet v návrháři služby Azure Machine Learning vytvořit model klasifikace obrázků pomocí algoritmu Densenet.

Tento klasifikační algoritmus je metoda učení pod dohledem a vyžaduje adresář obrázků s popiskem.

Poznámka:

Tato komponenta nepodporuje datovou sadu označenou jako datovou sadu vygenerovanou z popisků dat v sadě Studio, ale podporuje pouze adresář obrázků s popiskem vygenerovaný z komponenty Convert to Image Directory .

Model můžete vytrénovat tak, že zadáte model a adresář obrázků s popiskem jako vstupy pro trénování modelu PyTorch. Vytrénovaný model se pak dá použít k predikci hodnot pro nové vstupní příklady pomocí určení skóre image modelu.

DenseNet – podrobnější informace

Další informace o DenseNet naleznete ve výzkumném dokumentu , Densely Connected Convolutional Networks.

Konfigurace Sítě DenseNet

1. Přidejte komponentu DenseNet do kanálu v návrháři.

2. Jako název modelu zadejte název určité struktury DenseNet a můžete si vybrat z podporovaných hodnot DenseNet: 'densenet121', 'densenet161', 'densenet169', 'densenet201'.

3. V části Předtrénování určete, jestli se má použít předem natrénovaný model ve službě ImageNet. Pokud je vybráno, můžete model vyladit na základě vybraného předem natrénovaného modelu; Pokud je výběr nevybraný, můžete trénovat úplně od začátku.

4. V případě efektivity paměti určete, zda se má použít kontrolní bod, což je mnohem efektivnější, ale pomalejší. Další informace naleznete v výzkumném dokumentu, Memory-Efficient Implementation of DenseNets.

5. Připojte výstup komponenty DenseNet , trénování a ověření komponenty datové sady obrázků k trénování modelu PyTorch.

6. Odešlete kanál.

Výsledky

Po dokončení spuštění kanálu pro použití modelu pro bodování propojte model Trénování modelu PyTorch k určení skóre image modelu a predikci hodnot pro nové příklady vstupu.

Technické poznámky

parametry komponenty

Název	Rozsah	Typ	Výchozí	Popis
Název modelu	Všechny	Režim	densenet201	Název určité struktury DenseNet
Předem natrénováno	Všechny	Logická hodnota	True	Zda použít model předem natrénovaný ve službě ImageNet
Efektivní paměť	Všechny	Logický	False	Zda používat kontrolní body, což je mnohem efektivnější, ale pomalejší paměť

Výstup

Jméno	Typ	Popis
Netrénovaný model	UntrainedModelDirectory	Nenatrénovaný model DenseNet, který je možné připojit k trénování modelu PyTorch.

Další kroky

Podívejte se na sadu komponent dostupných pro Azure Machine Learning.