View a markdown version of this page

Antarmuka input dan output untuk Klasifikasi Gambar - TensorFlow algoritma - Amazon SageMaker AI

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Antarmuka input dan output untuk Klasifikasi Gambar - TensorFlow algoritma

Setiap model pra-terlatih yang tercantum dalam Model TensorFlow Hub dapat disesuaikan ke kumpulan data apa pun dengan sejumlah kelas gambar. Perhatikan cara memformat data pelatihan Anda untuk masukan ke Klasifikasi Gambar - TensorFlow model.

  • Format input data pelatihan: Data pelatihan Anda harus berupa direktori dengan subdirektori sebanyak jumlah kelas. Setiap subdirektori harus berisi gambar milik kelas tersebut dalam format.jpg, .jpeg, atau.png.

Berikut ini adalah contoh struktur direktori input. Contoh dataset ini memiliki dua kelas: roses dandandelion. File gambar di setiap folder kelas dapat memiliki nama apa pun. Direktori input harus di-host di bucket Amazon S3 dengan jalur yang mirip dengan berikut ini:s3://bucket_name/input_directory/. Perhatikan bahwa trailing / diperlukan.

input_directory |--roses |--abc.jpg |--def.jpg |--dandelion |--ghi.jpg |--jkl.jpg

Model terlatih mengeluarkan file pemetaan label yang memetakan nama folder kelas ke indeks dalam daftar probabilitas kelas keluaran. Pemetaan ini dalam urutan abjad. Misalnya, dalam contoh sebelumnya, kelas dandelion adalah indeks 0 dan kelas mawar adalah indeks 1.

Setelah pelatihan, Anda memiliki model yang disesuaikan yang dapat Anda latih lebih lanjut menggunakan pelatihan tambahan atau terapkan untuk inferensi. Klasifikasi Gambar - TensorFlow algoritma secara otomatis menambahkan tanda tangan pra-pemrosesan dan pasca-pemrosesan ke model yang disetel dengan baik sehingga dapat mengambil gambar sebagai input dan mengembalikan probabilitas kelas. File pemetaan indeks kelas ke label kelas disimpan bersama dengan model.

Pelatihan tambahan

Anda dapat menyemai pelatihan model baru dengan artefak dari model yang Anda latih sebelumnya dengan SageMaker AI. Pelatihan tambahan menghemat waktu pelatihan ketika Anda ingin melatih model baru dengan data yang sama atau serupa.

catatan

Anda hanya dapat menyemai Klasifikasi SageMaker Gambar - TensorFlow model dengan Klasifikasi Gambar lain - TensorFlow model yang dilatih dalam SageMaker AI.

Anda dapat menggunakan dataset apa pun untuk pelatihan tambahan, selama kumpulan kelas tetap sama. Langkah pelatihan inkremental mirip dengan langkah penyempurnaan, tetapi alih-alih memulai dengan model yang telah dilatih sebelumnya, Anda mulai dengan model yang disetel dengan baik yang ada. Untuk contoh pelatihan tambahan dengan Klasifikasi Gambar SageMaker AI - TensorFlow algoritma, lihat Notebook sampel Peng antar SageMaker TensorFlow - Klasifikasi Gambar.

Inferensi dengan Klasifikasi Gambar - algoritma TensorFlow

Anda dapat meng-host model yang disetel dengan baik yang dihasilkan dari pelatihan Klasifikasi TensorFlow Gambar Anda untuk inferensi. Setiap gambar input untuk inferensi harus dalam.jpg,. jpeg, atau .png format dan menjadi jenis kontenapplication/x-image. Klasifikasi Gambar - TensorFlow algoritma mengubah ukuran gambar input secara otomatis.

Menjalankan inferensi menghasilkan nilai probabilitas, label kelas untuk semua kelas, dan label prediksi yang sesuai dengan indeks kelas dengan probabilitas tertinggi yang dikodekan dalam format JSON. Klasifikasi Gambar - TensorFlow model memproses satu gambar per permintaan dan menghasilkan hanya satu baris. Berikut ini adalah contoh respons format JSON:

accept: application/json;verbose {"probabilities": [prob_0, prob_1, prob_2, ...], "labels": [label_0, label_1, label_2, ...], "predicted_label": predicted_label}

Jika accept disetel keapplication/json, maka model hanya mengeluarkan probabilitas. Untuk informasi lebih lanjut tentang pelatihan dan inferensi dengan Klasifikasi Gambar - TensorFlow algoritma, lihat buku catatan sampel Peng antar SageMaker TensorFlow - Klasifikasi Gambar.