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 TensorFlow funciona a classificação de imagens
O TensorFlow algoritmo Image Classification - pega uma imagem como entrada e a classifica em um dos rótulos da classe de saída. Várias redes de aprendizado profundo MobileNet, como, ResNet, Inception e, EfficientNet são altamente precisas para classificação de imagens. Também existem redes de aprendizado profundo que são treinadas em grandes conjuntos de dados de imagens, como, por exemplo ImageNet, que tem mais de 11 milhões de imagens e quase 11.000 aulas. Depois que uma rede é treinada com ImageNet dados, você pode então ajustar a rede em um conjunto de dados com um foco específico para realizar tarefas de classificação mais específicas. O TensorFlow algoritmo Amazon SageMaker Image Classification suporta o aprendizado por transferência em muitos modelos pré-treinados que estão 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 TensorFlow Hub pré-treinado 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.
