As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Como funciona a classificação de imagens - TensorFlow
O algoritmo de classificação de imagens - TensorFlow pega uma imagem como entrada e a classifica em um dos rótulos de classe de saída. Várias redes de aprendizado profundo, como MobileNet, ResNet, Inception e EfficientNet, são altamente precisas para a classificação de imagens. Também existem redes de aprendizado profundo que são treinadas em grandes conjuntos de dados de imagens, como o ImageNet, que tem mais de 11 milhões de imagens e quase 11.000 classes. Depois que uma rede é treinada com dados do ImageNet, você pode então ajustar a rede em um conjunto de dados com um foco específico para realizar tarefas de classificação mais específicas. O algoritmo de classificação de imagens - TensorFlow do Amazon SageMaker oferece apoio à aprendizado por transferência em muitos modelos pré-treinados disponíveis no TensorFlow Hub.
De acordo com o número de rótulos de classe em seus dados de treinamento, uma camada de classificação é anexada ao modelo pré-treinado do TensorFlow Hub de sua escolha. A camada de classificação consiste em uma camada suspensa, uma camada densa e uma camada totalmente conectada com regularizador de duas normas e é inicializada com pesos aleatórios. O modelo tem hiperparâmetros para a taxa de eliminação da camada de eliminação e o fator de regularização L2 para a camada densa. Você pode, então, ajustar toda a rede (incluindo o modelo pré-treinado) ou somente a camada de classificação superior nos novos dados de treinamento. Com esse método de transferência de aprendizado, é possível treinar com conjuntos de dados menores.
