ResNet

Den här artikeln beskriver hur du använder ResNet-komponenten i Azure Machine Learning-designern för att skapa en bildklassificeringsmodell med hjälp av ResNet-algoritmen.

Den här klassificeringsalgoritmen är en övervakad inlärningsmetod och kräver en märkt datauppsättning.

Kommentar

Den här komponenten stöder inte etiketterade datauppsättningar som genererats från dataetiketter i studion, men stöder endast etiketterade avbildningskataloger som genererats från komponenten Konvertera till avbildningskatalog .

Du kan träna modellen genom att tillhandahålla en modell och en märkt avbildningskatalog som indata till Träna PyTorch-modell. Den tränade modellen kan sedan användas för att förutsäga värden för de nya indataexemplen med hjälp av Poängbildmodell.

Mer om ResNet

Mer information om ResNet finns i det här dokumentet.

Så här konfigurerar du ResNet

1. Lägg till ResNet-komponenten i pipelinen i designern.

2. För Modellnamn anger du namnet på en viss ResNet-struktur och du kan välja från resnet101 som stöds: resnet18, resnet34, resnet50, resnet101, resnet152, resnet152, resnext50_32x4d, resnext101_32x8d, wide_resnet50_2, wide_resnet101_2.

3. För Förtränad anger du om du vill använda en modell som är förtränad i ImageNet. Om du väljer det kan du finjustera modellen baserat på den valda förtränade modellen. Om du avmarkerar det kan du träna från grunden.

4. För Noll init residual anger du om du vill nollinitiera det sista normlagret för batchen i varje residualgren. Om den väljs börjar residualgrenen med nollor och varje residualblock beter sig som en identitet. Detta kan hjälpa till med konvergens vid stora batchstorlekar enligt https://arxiv.org/abs/1706.02677.

5. Anslut utdata frånResNet-komponent, tränings- och valideringsbilddatauppsättningskomponent till Train PyTorch-modellen.

6. Skicka pipelinen.

Resultat

När pipelinekörningen är klar ansluter du Train PyTorch Model till Score Image Model för att förutsäga värden för nya indataexempel för att använda modellen för bedömning.

Tekniska anteckningar

Komponentparametrar

Name	Intervall	Typ	Standardvärde	beskrivning
Modellnamn	Alla	Läge	resnext101_32x8d	Namn på en viss ResNet-struktur
Förtränad	Alla	Booleskt	Sant	Om du vill använda en modell som är förtränad på ImageNet
Ingen init-residual	Alla	Boolean	Falsk	Om du vill nollinitiera det sista batchstandardskiktet i varje residualgren

Utdata

Namn	Type	Beskrivning
Otränad modell	UntrainedModelDirectory	En otränad ResNet-modell som kan anslutas till Train PyTorch Model.

Nästa steg

Se den uppsättning komponenter som är tillgängliga för Azure Machine Learning.