ResNet

En este artículo se describe cómo usar el componente ResNet en el diseñador de Azure Machine Learning para crear un modelo de clasificación de imágenes con el algoritmo ResNet.

Este algoritmo de clasificación es un método de aprendizaje supervisado y requiere un conjunto de datos etiquetado.

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 un modelo y un directorio de imagen etiquetado como entradas para entrenar el 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 ResNet

Consulte este documento para obtener más información sobre ResNet.

Configuración de ResNet

1. Agregue el componente ResNet a la canalización en el diseñador.

2. En Nombre del modelo, especifique el nombre de una determinada estructura ResNet y puede seleccionar entre ResNet compatibles: "resnet18", "resnet34", "resnet50", "resnet101", "resnet152", "resnet152", "resnext50_32x4d", "resnext101_32x8d", "wide_resnet50_2", "wide_resnet101_2".

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. En Zero init residual (valor residual de inicialización cero), especifique si quiere inicializar en cero la última capa de normalización por lotes en cada rama residual. Si se selecciona, la rama residual comienza con ceros y cada bloque residual se comporta como una identidad. Esto puede ayudar a la convergencia en lotes de gran tamaño de acuerdo con https://arxiv.org/abs/1706.02677.

5. Conecte la salida del componente ResNet , el componente de conjunto de datos de imagen de entrenamiento y validación al modelo Train PyTorch (Entrenar 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	resnext101_32x8d	Nombre de una determinada estructura ResNet
Entrenado previamente	Any	Boolean	True	Si desea usar un modelo entrenado previamente en ImageNet
Valor residual de inicialización cero	Any	Boolean	False	Si se debe inicializar en cero la última capa de normalización por lotes en cada rama residual

Output

Nombre	Escribir	Descripción
Modelo no entrenado	UntrainedModelDirectory	Un modelo resNet sin entrenar que se puede conectar al modelo de Entrenamiento de PyTorch.

Pasos siguientes

Vea el conjunto de componentes disponibles para Azure Machine Learning.