AutoML 图像分类多标签
本文介绍 Azure 机器学习设计器中的一个组件。
使用此组件创建基于 AutoML 图像分类多标签的机器学习模型。
多标签图像分类是一项计算机视觉任务,其目标是预测与每个图像关联的一组标签。 在需要确定给定图像的多个属性时,可以考虑使用多标签分类。
配置方式
点击此链接,获取此组件可配置参数的完整列表。
此组件会创建分类模型。 由于分类是一种监督式学习方法,所以,你需要一个标记的数据集,其中包含一个标签列,该列在所有行中都有一个值。
此模型需要训练数据集。 验证和测试数据集是可选的。
点击此链接以获取有关 如何准备数据集 的详细信息。数据集需要 已标记的数据集,其中包含所有行都具有值的标签列。
AutoML 会并行(在 specified in max_concurrent_trial
中指定)运行一系列试验(在 max_trials
中指定),这些试验会针对模型尝试不同的算法和参数。 该服务会迭代与超参数选项配对的 ML 算法,且每次试验都会生成带有训练分数的模型。 你可以选择要优化模型的哪个指标。 所选指标的分数越高,模型就越被视为“适合”你的数据。 你可以为试验定义退出条件(终止策略)。 退出条件是具有你希望 AutoML 查找的特定训练分数的模型。 一旦达到定义的退出条件,机器学习就会停止。 然后,此组件将输出在数据集运行结束时生成的最佳模型。 请访问此链接,了解有关 退出条件(终止策略) 的详细信息。
将 AutoML 图像分类多标签 组件添加到管道。
指定希望模型输出的 目标列
指定你希望 AutoML 用于衡量你的模型成功与否的主要指标。 有关计算机视觉的每个主要指标的说明,请访问此链接。
(可选)你可以配置算法设置。 有关支持的计算机视觉算法列表,请访问此链接。
(可选)若要配置作业限制,请访问此链接以获取更多说明。
(可选)请访问此链接,查看作业扫描的采样和提前终止的配置列表。还可以找到有关每个策略和采样方法的详细信息。
后续步骤
请参阅 Azure 机器学习可用的组件集。