Сегментация экземпляра образа AutoML
В этой статье описывается компонент в конструкторе Машинного обучения Azure.
Используйте этот компонент для создания модели машинного обучения, основанной на модели сегментации экземпляра образа AutoML.
Порядок настройки
Полный список настраиваемых параметров этого компонента см. по этой ссылке.
Для этой модели требуется набор данных для обучения. Наборы данных для проверки и тестирования являются необязательными.
Перейдите по этой ссылке, чтобы получить дополнительные сведения о том, как подготовить набор данных. Для набора данных потребуется набор данных с метками , включающий столбец меток со значением для всех строк.
AutoML параллельно запускает ряд пробных версий (указанных в max_trials) (указанных в max_concurrent_trials), которые используют различные алгоритмы и параметры для вашей модели. Служба выполняет итерацию по алгоритмам машинного обучения в сочетании с выбором гиперпараметров, и каждая пробная версия создает модель с оценкой обучения. Вы можете выбрать метрику, для которой нужно оптимизировать модель. Чем лучше оценка для выбранной метрики, тем лучше модель считается "подходящей" для ваших данных. Вы можете определить критерии выхода (политику завершения) для эксперимента. Критерии выхода будут модели с определенной оценкой обучения, которую вы хотите найти в AutoML. Он остановится после того, как он достигнет определенных критериев выхода. Затем этот компонент выводит наилучшую модель, созданную в конце выполнения для набора данных. Дополнительные сведения о критериях выхода (политике завершения) см. по этой ссылке.
Добавьте компонент Сегментация экземпляра образа AutoML в конвейер.
Укажите целевой столбец , для которого модель будет выводить
Укажите основную метрику , которую autoML будет использовать для измерения успешности модели. Ознакомьтесь с этой ссылкой, чтобы ознакомиться с описанием каждой основной метрики для компьютерного зрения.
(Необязательно) Вы можете настроить параметры алгоритма. Список поддерживаемых алгоритмов для компьютерного зрения см. по этой ссылке.
(Необязательно) Дополнительные сведения о настройке ограничений заданий см . по этой ссылке.
(Необязательно) Перейдите по этой ссылке, чтобы получить список конфигураций выборки и раннего завершения для очистки заданий. Вы также можете найти дополнительные сведения о каждой из политик и методов выборки.
Дальнейшие действия
Ознакомьтесь с набором доступных компонентов для Машинного обучения Azure.