Öğrenme aktarımı için özellik geliştirme
Bu makalede pandas UDF'lerini kullanarak öğrenme aktarımı için özellik kazandırma yapma örneği sağlanır.
DL modellerinde öğrenme aktarımı için özellik kazandırma
Azure Databricks derin öğrenme modelleriyle özellik geliştirmeyi destekler. Önceden eğitilmiş derin öğrenme modelleri, diğer aşağı akış modellerinde kullanılmak üzere özellikleri hesaplamak için kullanılabilir. Azure Databricks, hesaplamayı küme genelinde dağıtarak büyük ölçekte özellik geliştirmeyi destekler. TensorFlow ve PyTorch dahil olmak üzere Databricks Runtime ML'de bulunan derin öğrenme kitaplıklarıyla özellik geliştirme gerçekleştirebilirsiniz.
Azure Databricks ayrıca, özellik geliştirmeyle yakından ilgili bir teknik olan öğrenme aktarımını da destekler. Öğrenme aktarımı, bir problem etki alanındaki bilgileri ilgili bir etki alanında yeniden kullanmanıza olanak tanır. Özellik geliştirme, öğrenme aktarımı için basit ve güçlü bir yöntemdir: Önceden eğitilen bir derin öğrenme modeli kullanan bilgi işlem özellikleri, özgün etki alanındaki iyi özellikler hakkındaki bilgileri aktarır.
Öğrenme aktarımı için işlem özelliklerine yönelik adımlar
Bu makalede, aşağıdaki iş akışını kullanarak önceden eğitilmiş bir TensorFlow modeli kullanarak öğrenme aktarımına yönelik özelliklerin nasıl hesaplandığı gösterilmektedir:
- Önceden eğitilmiş bir derin öğrenme modeliyle başlayın. Bu örnekte' den
tensorflow.keras.applicationsbir görüntü sınıflandırma modeli. - Modelin son katmanlarını kesme. Değiştirilen model, bir tahmin yerine çıkış olarak bir özellik tensoru oluşturur.
- Bu modeli farklı bir sorun etki alanından yeni bir görüntü veri kümesine uygulayın; görüntüler için bilgi işlem özellikleri.
- Yeni bir model eğitmek için bu özellikleri kullanın. Aşağıdaki not defteri bu son adımı atlar. Lojistik regresyon gibi basit bir modeli eğitme örnekleri için bkz . Model eğitimi örnekleri.
Örnek: Özellik kazandırma için pandas UDF'lerini kullanma
Aşağıdaki not defteri özellik geliştirme adımını gerçekleştirmek için pandas UDF'lerini kullanır. pandas UDF'leri ve yeni Scalar Iterator pandas UDF'leri esnek API'ler sunar, derin öğrenme kitaplıklarını destekler ve yüksek performans sunar.