ResNet

Questo articolo descrive come usare il componente ResNet nella finestra di progettazione di Azure Machine Learning per creare un modello di classificazione delle immagini usando l'algoritmo ResNet.

Questo algoritmo di classificazione è un metodo di apprendimento supervisionato e richiede un set di dati etichettato.

Nota

Questo componente non supporta il set di dati etichettato generato dall'etichettatura dei dati in studio, ma supporta solo la directory di immagini etichettata generata dal componente Convert to Image Directory.

È possibile eseguire il training del modello fornendo un modello e una directory di immagini etichettata come input per eseguire il training del modello PyTorch. Il modello sottoposto a training può quindi essere usato per stimare i valori per i nuovi esempi di input usando Score Image Model.

Altre informazioni su ResNet

Per altre informazioni su ResNet, vedere questo documento.

Come configurare ResNet

1. Aggiungere il componente ResNet alla pipeline nella finestra di progettazione.

2. Per Nome modello specificare il nome di una determinata struttura ResNet ed è possibile selezionare la resnet supportata: 'resnet18', 'resnet34', 'resnet50', 'resnet101', 'resnet152', 'resnet152', 'resnext50_32x4d', 'resnext101_32x8d', 'wide_resnet50_2', 'wide_resnet101_2'.

3. Per Pretrained specificare se usare un modello con training preliminare in ImageNet. Se selezionata, è possibile ottimizzare il modello in base al modello con training preliminare selezionato; se deselezionata, è possibile eseguire il training da zero.

4. Per Zero init residuo, specificare se inizializzare zero l'ultimo livello di norma batch in ogni ramo residuo. Se selezionata, il ramo residuo inizia con zeri e ogni blocco residuo si comporta come un'identità. Ciò può essere utile per la convergenza in batch di grandi dimensioni in base a https://arxiv.org/abs/1706.02677.

5. Connettere l'output del componente ResNet , il training e il componente del set di dati dell'immagine di convalida al modello Train PyTorch.

6. Inviare la pipeline.

Risultati

Al termine dell'esecuzione della pipeline, per usare il modello per l'assegnazione dei punteggi, connettere il modello Train PyTorch a Score Image Model per stimare i valori per i nuovi esempi di input.

Note tecniche

Parametri del componente

Nome	Intervallo	Type	Default	Descrizione
Nome modello	Any	Modalità	resnext101_32x8d	Nome di una determinata struttura ResNet
Training preliminare	Any	Booleano	Vero	Indica se usare un modello con training preliminare in ImageNet
Zero init residuo	Any	Boolean	Falso	Indica se inizializzare l'ultimo livello di norma batch in ogni ramo residuo

Output

Nome	Tipo	Descrizione
Modello senza training	UntrainedModelDirectory	Modello ResNet non sottoposto a training che può essere connesso al modello Train PyTorch.

Passaggi successivi

Vedere il set di componenti disponibili per Azure Machine Learning.