DenseNet
Este artigo descreve como usar o componente DenseNet no designer do Azure Machine Learning para criar um modelo de classificação de imagem usando o algoritmo Densenet.
Este algoritmo de classificação é um método de aprendizagem supervisionada e requer um diretório de imagens rotulado.
Nota
Este componente não suporta conjunto de dados rotulado gerado a partir de Etiquetagem de Dados no estúdio, mas suporta apenas diretório de imagem rotulado gerado a partir do componente Converter em Diretório de Imagem.
Você pode treinar o modelo fornecendo o modelo e o diretório de imagem rotulado como entradas para Train Pytorch Model. O modelo treinado pode então ser usado para prever valores para os novos exemplos de entrada usando o Modelo de Imagem de Pontuação.
Mais sobre DenseNet
Para obter mais informações sobre a DenseNet, consulte o artigo de pesquisa, Densely Connected Convolutional Networks.
Como configurar o DenseNet
Adicione o componente DenseNet ao seu pipeline no designer.
Para Nome do modelo, especifique o nome de uma determinada estrutura DenseNet e você pode selecionar a partir do DenseNet suportado: 'densenet121', 'densenet161', 'densenet169', 'densenet201'.
Para Pré-treinado, especifique se deseja usar um modelo pré-treinado no ImageNet. Se selecionado, você pode ajustar o modelo com base no modelo pré-treinado selecionado; Se estiver desmarcada, pode treinar a partir do zero.
Para Memória eficiente, especifique se deseja usar o ponto de verificação, que é muito mais eficiente em termos de memória, mas mais lento. Para obter mais informações, consulte o artigo de pesquisa, Memory-Efficient Implementation of DenseNets.
Conecte a saída do componente DenseNet, o componente de treinamento e o conjunto de dados de imagem de validação ao Modelo Train Pytorch.
Envie o pipeline.
Resultados
Após a conclusão da execução do pipeline, para usar o modelo para pontuação, conecte o Modelo Train Pytorch ao Modelo de Imagem de Pontuação, para prever valores para novos exemplos de entrada.
Notas técnicas
parâmetros do componente
Nome | Intervalo | Type | Predefinido | Description |
---|---|---|---|---|
Nome do modelo | Qualquer | Modo | densenet201 | Nome de uma determinada estrutura DenseNet |
Pré-treinados | Qualquer | Boolean | True | Se deve usar um modelo pré-treinado no ImageNet |
Memória eficiente | Qualquer | Booleano | False | Se deve usar o checkpointing, que é muito mais eficiente em termos de memória, mas mais lento |
Saída
Nome | Tipo | Description |
---|---|---|
Modelo não treinado | UntrainedModelDirectory | Um modelo DenseNet não treinado que pode ser conectado ao Train Pytorch Model. |
Próximos passos
Consulte o conjunto de componentes disponíveis para o Azure Machine Learning.