Etykietowanie i trenowanie modelu niestandardowego
Po przekazaniu obrazów do magazynu obiektów blob i utworzeniu zestawu danych następnym krokiem jest etykietowanie obrazów i łączenie wynikowego pliku COCO. Jeśli masz już plik COCO dla obrazów szkoleniowych, możesz pominąć krok etykietowania.
Etykietowanie obrazów treningowych
Etykietowanie obrazów treningowych odbywa się w usłudze Azure Machine Edukacja Studio przy użyciu projektu etykietowania danych. Pełne i dokładne etykiety obrazów szkoleniowych znacznie zwiększają wydajność wytrenowanego modelu. Podczas etykietowania obrazów należy dokładnie przypisać etykiety i całkowicie oznaczyć wszystkie wystąpienia każdej klasy.
W zestawie danych w programie Vision Studio utwórz nowy projekt etykietowania danych usługi Azure Machine Edukacja lub połącz się z istniejącym projektem, jeśli został utworzony w usłudze Azure Machine Edukacja Studio.
Po utworzeniu projektu wybranie tego przycisku spowoduje przejście do usługi Azure Machine Edukacja Studio i otwarcie projektu etykietowania. W usłudze Azure Machine Edukacja Etykietowanie danych można dodawać kategorie obrazów lub obiektów (takich jak jabłko, pomarańcza, banan). Po utworzeniu kategorii uruchom projekt i przejdź do karty etykietowania. Musisz oznaczyć etykiety 3–5 obrazów na kategorię.
Istnieją narzędzia z usługą Azure Machine Edukacja, które ułatwiają etykietowanie, takie jak etykietowanie wspomagane przez uczenie maszynowe, które pobiera niektóre etykiety udostępniane dla podzbioru obrazów i próbuje oznaczyć pozostałe obrazy. W przypadku korzystania z tych funkcji ważne jest przejrzenie etykiet, aby upewnić się, że są one dokładne. Jeśli nie są one dokładne, wydajność wytrenowanego modelu spada.
Po zakończeniu etykietowania i prawidłowym sklasyfikowaniu lub oznaczeniu wszystkich obrazów szkoleniowych możesz dodać plik COCO do zestawu danych bezpośrednio z obszaru roboczego usługi Azure Machine Edukacja.
Trenowanie modelu
Po oznaczeniu wszystkich obrazów treningowych następnym krokiem jest trenowanie modelu. Podczas trenowania modelu wybierz typ modelu, określ zestaw danych, którego chcesz użyć jako danych treningowych, i wskaż budżet trenowania. Budżet szkoleniowy jest górną granicą czasu dla tego, jak długo będzie prowadzone szkolenie; rzeczywisty czas używany do trenowania jest często krótszy niż określony budżet.
Po wytrenowaniu modelu wybranie go umożliwia wyświetlenie wydajności przebiegu oceny. Jeśli zestaw danych oceny nie jest udostępniany podczas trenowania modelu, używa domyślnego przebiegu oceny. Domyślny przebieg oceny pobiera niewielki zestaw obrazów oznaczonych etykietami z zestawu treningowego, używa wytrenowanego modelu do przewidywania w tym podzestawie i porównuje przewidywania z podanymi etykietami.
Na stronie wytrenowanego modelu możesz wyzwolić nowe przebiegi oceny na innym zestawie obrazów lub wypróbować własne testy w programie Vision Studio, wybierając kartę w górnej części strony.