Bagaimana Klasifikasi Gambar - Bek TensorFlow erja

TensorFlow Algoritma Klasifikasi Gambar mengambil gambar sebagai input dan mengklasifikasikannya ke salah satu label kelas keluaran. Berbagai jaringan pembelajaran mendalam seperti MobileNet, ResNet, Inception, dan EfficientNet sangat akurat untuk klasifikasi gambar. Ada juga jaringan pembelajaran mendalam yang dilatih pada kumpulan data gambar besar, seperti ImageNet, yang memiliki lebih dari 11 juta gambar dan hampir 11.000 kelas. Setelah jaringan dilatih dengan ImageNet data, Anda kemudian dapat menyempurnakan jaringan pada dataset dengan fokus tertentu untuk melakukan tugas klasifikasi yang lebih spesifik. TensorFlow Algoritma Klasifikasi SageMaker Gambar Amazon mendukung pembelajaran transfer pada banyak model pra-latih yang tersedia di TensorFlow Hub.

Menurut jumlah label kelas dalam data pelatihan Anda, lapisan klasifikasi dilampirkan ke model TensorFlow Hub yang telah dilatih sebelumnya pilihan Anda. Lapisan klasifikasi terdiri dari lapisan dropout, lapisan padat, dan lapisan yang terhubung sepenuhnya dengan regularizer 2-norma yang diinisialisasi dengan bobot acak. Model ini memiliki hiperparameter untuk tingkat putus dari lapisan dropout dan faktor regularisasi L2 untuk lapisan padat. Anda kemudian dapat menyempurnakan seluruh jaringan (termasuk model yang telah dilatih sebelumnya) atau hanya lapisan klasifikasi teratas pada data pelatihan baru. Dengan metode pembelajaran transfer ini, pelatihan dengan kumpulan data yang lebih kecil dimungkinkan.