Retea neuronala multiclasa: referinta modul – Azure Machine Learning

• 22.04.2020
• 4 minute de citit

In acest articol

Acest articol descrie un modul in Azure Machine Learning Designer.

Utilizati acest modul pentru a crea un model de retea neuronala care poate fi utilizat pentru a prezice o tinta care are mai multe valori.

De exemplu, retelele neuronale de acest tip ar putea fi utilizate in sarcini complexe de viziune pe computer, cum ar fi recunoasterea cifrelor sau a literelor, clasificarea documentelor si recunoasterea tiparelor.

Clasificarea utilizand retele neuronale este o metoda de invatare supravegheata si, prin urmare, necesita un set de date etichetat care include o coloana de etichete.

Puteti instrui modelul oferind modelul si setul de date etichetat ca intrare in Trenul modelului. Modelul instruit poate fi apoi utilizat pentru a prezice valorile pentru noile exemple de intrare.

Despre retelele neuronale

O retea neuronala este un set de straturi interconectate. Intrarile sunt primul strat si sunt conectate la un strat de iesire printr-un grafic aciclic format din margini si noduri ponderate.

Intre straturile de intrare si iesire puteti introduce mai multe straturi ascunse. Cele mai multe sarcini predictive pot fi realizate cu usurinta doar cu unul sau cateva straturi ascunse. Cu toate acestea, cercetari recente au aratat ca retelele neuronale profunde (DNN) cu multe straturi pot fi eficiente in sarcini complexe, cum ar fi recunoasterea imaginii sau a vorbirii. Straturile succesive sunt utilizate pentru a modela niveluri crescande de profunzime semantica.

Relatia dintre intrari si iesiri se invata prin antrenarea retelei neuronale pe datele de intrare. Directia graficului incepe de la intrari prin stratul ascuns si pana la stratul de iesire. Toate nodurile dintr-un strat sunt conectate de marginile ponderate la nodurile din urmatorul strat.

Pentru a calcula iesirea retelei pentru o anumita intrare, se calculeaza o valoare la fiecare nod din straturile ascunse si din stratul de iesire. Valoarea este stabilita prin calcularea sumei ponderate a valorilor nodurilor din stratul anterior. O functie de activare este apoi aplicata acelei sume ponderate.

Configurati reteaua neuronala multiclassa

1. Adaugati modulul retea neuronala MultiClass la conducta dvs. din proiectant. Puteti gasi acest modul in Machine Learning , Initialize , in categoria Clasificare .

2. Creati modul antrenor : utilizati aceasta optiune pentru a specifica modul in care doriti sa fie instruit modelul:

   • Parametru unic : Alegeti aceasta optiune daca stiti deja cum doriti sa configurati modelul.

   • Gama de parametri : Selectati aceasta optiune daca nu sunteti sigur de cei mai buni parametri si doriti sa executati o analiza a parametrilor. Selectati o gama de valori pe care sa le repetati, iar Tune Model Hyperparameters repeta toate combinatiile posibile ale setarilor pe care le-ati furnizat pentru a determina hiperparametrii care produc rezultate optime.

3. Specificarea stratului ascuns : Selectati tipul de arhitectura de retea de creat.

   • Carcasa complet conectata : selectati aceasta optiune pentru a crea un model utilizand arhitectura de retea neuronala implicita. Pentru modelele de retea neuronala multiclasa, valorile implicite sunt urmatoarele:

     • Un singur strat ascuns
     • Stratul de iesire este complet conectat la stratul ascuns.
     • Stratul ascuns este complet conectat la stratul de intrare.
     • Numarul de noduri din stratul de intrare este determinat de numarul de caracteristici din datele de instruire.
     • Numarul de noduri din stratul ascuns poate fi setat de utilizator. Valoarea implicita este 100.
     • Numarul de noduri din stratul de iesire depinde de numarul de clase.

4. Numarul de noduri ascunse : aceasta optiune va permite sa personalizati numarul de noduri ascunse in arhitectura implicita. Tastati numarul de noduri ascunse. Implicit este un strat ascuns cu 100 de noduri.

5. Rata de invatare : definiti dimensiunea pasului facut la fiecare iteratie, inainte de corectie. O valoare mai mare pentru rata de invatare poate face ca modelul sa converga mai repede, dar poate depasi minimele locale.

6. Numarul de iteratii de invatare : specificati de cate ori algoritmul trebuie sa proceseze cazurile de instruire.

7. Diametrul initial al greutatilor de invatare : specificati greutatile nodului la inceputul procesului de invatare.

8. Momentul : specificati o greutate de aplicat in timpul invatarii nodurilor din iteratiile anterioare.

9. Exemple de amestecare : selectati aceasta optiune pentru a amesteca cazurile intre iteratii.

   Daca deselectati aceasta optiune, cazurile sunt procesate in exact aceeasi ordine de fiecare data cand rulati conducta.

10. Semintele cu numar aleatoriu : Tastati o valoare pentru a fi folosita ca seminte, daca doriti sa asigurati repetabilitatea pe parcursurile aceleiasi conducte.

11. Antreneaza modelul:

    • Daca setati modul Creare antrenor la parametru unic , conectati un set de date etichetat si modulul Model tren.

    • Daca setati modul Creare antrenor la Parameter Range , conectati un set de date etichetat si instruiti modelul utilizand Tune Model Hyperparameters.

    Nota

    Daca treceti un interval de parametri la Modelul de tren, acesta utilizeaza numai valoarea implicita din lista de parametri unici.

    Daca treceti un singur set de valori ale parametrilor catre modulul Tune Model Hyperparameters, atunci cand asteapta o serie de setari pentru fiecare parametru, acesta ignora valorile si foloseste valorile implicite pentru cursant.

    Daca selectati optiunea Parameter Range si introduceti o singura valoare pentru orice parametru, acea valoare pe care ati specificat-o este utilizata pe tot parcursul, chiar daca alti parametri se schimba intr-un interval de valori.

Rezultate

Dupa finalizarea antrenamentului:

• Pentru a salva un instantaneu al modelului antrenat, selectati fila Iesiri din panoul din dreapta al modulului modelului Tren . Selectati pictograma Inregistrare set de date pentru a salva modelul ca modul reutilizabil.

Pasii urmatori

Consultati setul de module disponibile pentru Azure Machine Learning.