Etichettare ed eseguire il training di un modello personalizzato
Dopo aver caricato le immagini nell'archivio BLOB e creato il set di dati, il passaggio successivo consiste nell'etichettare le immagini e connettere il file COCO risultante. Se è già disponibile un file COCO per le immagini di training, è possibile ignorare il passaggio di etichettatura.
Etichettatura delle immagini di training
L'etichettatura delle immagini di training viene eseguita in studio di Azure Machine Learning usando il progetto di etichettatura dei dati. La presenza di etichette complete e accurate per le immagini di training migliora notevolmente le prestazioni del modello sottoposto a training. Quando si etichettano le immagini, assicurarsi di assegnare le etichette accuratamente e di etichettare in modo completo tutte le istanze di ogni classe.
Nel set di dati all'interno di Vision Studio creare un nuovo progetto di etichettatura dei dati di Azure Machine Learning o connettersi a un progetto esistente se ne è stato creato uno in studio di Azure Machine Learning.
Dopo aver creato il progetto, selezionando il pulsante si passerà allo studio Azure Machine Learning e si aprirà il progetto di etichettatura. Nel progetto di etichettatura dei dati di Azure Machine Learning è possibile aggiungere categorie per le immagini o gli oggetti, ad esempio mela, arancia e banana. Dopo aver creato le categorie, avviare il progetto e passare alla scheda di etichettatura. È necessario etichettare 3-5 immagini per ogni categoria.
Azure Machine Learning include strumenti per facilitare l'etichettatura, ad esempio l'etichettatura assistita da ML, che sulla base di alcune etichette fornite per un subset delle immagini tenta di etichettare automaticamente le immagini rimanenti. Se si usano queste funzionalità, è importante esaminare le etichette per assicurarsi che siano accurate. In caso contrario, le prestazioni del modello sottoposto a training saranno inferiori.
Al termine dell'etichettatura e quando tutte le immagini di training sono classificate o etichettate correttamente, è possibile aggiungere il file COCO al set di dati direttamente dall'area di lavoro di Azure Machine Learning.
Training del modello
Con tutte le immagini di training etichettate, il passaggio successivo consiste nell'eseguire il training del modello. Quando si esegue il training di un modello, selezionare il tipo di modello, specificare il set di dati da usare come dati di training e indicare il budget di training. Il budget di training è un limite massimo di tempo per la durata dell'esecuzione del training. Il tempo effettivo usato per il training è spesso inferiore al budget specificato.
Dopo aver completato il training del modello, è possibile selezionarlo per visualizzare le prestazioni dell'esecuzione della valutazione. Se non viene fornito un set di dati di valutazione durante il training del modello, viene usata l'esecuzione di valutazione predefinita. L'esecuzione di valutazione predefinita accetta un piccolo set di immagini etichettate dal set di training, usa il modello sottoposto a training per le previsioni basate su tale subset e confronta le previsioni con le etichette fornite.
Dalla pagina del modello sottoposto a training è possibile attivare nuove esecuzioni di valutazione su un set diverso di immagini o provare i propri test in Vision Studio selezionando la scheda nella parte superiore della pagina.