Compartir a través de


DenseNet

En este artículo se explica cómo usar el componente DenseNet del diseñador de Azure Machine Learning para crear un modelo de clasificación de imágenes con el algoritmo DenseNet.

Este algoritmo de clasificación es un método de aprendizaje supervisado y requiere un directorio de imágenes con etiqueta.

Nota

Este componente no admite el conjunto de datos con etiqueta generado a partir del etiquetado de datos en el estudio, sino que solo admite el directorio de imágenes con etiqueta generado a partir del componente Convert to Image Directory (Convertir en directorio de imágenes).

Puede entrenar el modelo proporcionando el modelo y el directorio de imagen con etiquetas como entradas para Entrenamiento del modelo de PyTorch. Después, el modelo entrenado puede utilizarse para predecir valores para los nuevos ejemplos de entrada mediante Puntuación del modelo de imagen.

Más información sobre DenseNet

Para más información sobre DenseNet, consulte el documento de investigación Redes circumvolucionales de conexión densa.

Configuración de DenseNet

  1. Agregue el componente DenseNet a la canalización del diseñador.

  2. Como Nombre del modelo, especifique el nombre de una determinada estructura DenseNet; puede seleccionar entre las instancias de DenseNet admitidas: "densenet121", "densenet161", "densenet169", "densenet201".

  3. En Pretrained (Entrenado previamente), especifique si desea usar un modelo entrenado previamente en ImageNet. Si se selecciona esta opción, puede ajustar el modelo en función de un modelo previamente entrenado seleccionado. Si se anula la selección, puede entrenarlo desde cero.

  4. Por Memory efficient (Eficiencia de memoria), especifique si quiere usar puntos de comprobación, que es mucho mejor para la eficiencia de la memoria, pero más lento. Para más información, consulte el documento de investigación Implementación de DenseNets para un uso eficiente de la memoria.

  5. Conecte la salida del componente DenseNet, el entrenamiento y el componente del conjunto de datos de imágenes de validación a Entrenamiento del modelo de PyTorch.

  6. Envíe la canalización.

Results

Una vez completada la ejecución de la canalización, para usar el modelo para la puntuación, conecte Entrenamiento del modelo de PyTorch a Puntuación del modelo de imagen, para predecir valores para los nuevos ejemplos de entrada.

Notas técnicas

Parámetros del componente

Nombre Intervalo Tipo Valor predeterminado Descripción
Nombre del modelo Any Mode densenet201 Nombre de una determinada estructura DenseNet
Entrenado previamente Any Boolean True Si desea usar un modelo entrenado previamente en ImageNet
Eficiencia de memoria Any Boolean False Si quiere usar puntos de comprobación, mucho mejor para la eficiencia de la memoria, pero más lento

Output

Nombre Escribir Descripción
Modelo no entrenado UntrainedModelDirectory Un modelo DenseNet no entrenado que se puede conectar a Train Pytorch Model (Entrenamiento del modelo de PyTorch).

Pasos siguientes

Vea el conjunto de componentes disponibles para Azure Machine Learning.