AutoML 图像实例分段

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 图像实例分段模型的机器学习模型。

配置方式

点击此链接,获取此组件可配置参数的完整列表。

此模型需要训练数据集。 验证和测试数据集是可选的。

通过此链接获取关于如何准备数据集的详细信息。数据集需要一个标记的数据集,它必须包含一个所有行都具有值的标签列。

AutoML 会并行(在 max_concurrent_trials 中指定)运行一系列试验(在 max_trials 中指定),这些试验会针对你的模型尝试不同的算法和参数。 该服务将迭代与超参数选项配对的 ML 算法,每次试验都会生成带有训练评分的模型。 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。 有关退出条件(终止策略)的详细信息,请访问此链接。

  1. 将“AutoML 图像实例分段”组件添加到管道。

  2. 指定你想要模型输出的目标列

  3. 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。

  4. (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。

  5. (可选)若要配置作业限制,请访问此链接以获取更多说明

  6. (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