Publicado en: Sep 8, 2022
Amazon SageMaker ofrece un conjunto de algoritmos integrados, modelos con entrenamiento previo y plantillas de soluciones prediseñadas para que los científicos de datos y los profesionales de machine learning comiencen a entrenar e implementar los modelos de machine learning rápidamente. Estos algoritmos y modelos se pueden usar tanto para el aprendizaje supervisado como para el no supervisado. Pueden procesar distintos tipos de datos de entrada, incluidos datos tabulares, imágenes y textos.
A partir de hoy, Amazon SageMaker proporciona un nuevo algoritmo integrado para la clasificación de imágenes: Clasificación de imágenes - TensorFlow. Es un algoritmo de aprendizaje supervisado que admite la transferencia de aprendizaje para muchos modelos con entrenamiento previo disponibles en TensorFlow Hub. Toma una imagen como entrada y da como resultado la probabilidad de cada una de las etiquetas de clase. Estos modelos con entrenamiento previo pueden ajustarse mediante el aprendizaje por transferencia incluso cuando no se dispone de muchas imágenes de entrenamiento. Está disponible mediante los algoritmos integrados de SageMaker, como también mediante la UI de SageMaker JumpStart dentro de SageMaker Studio.
La clasificación de imágenes de TensorFlow en Amazon SageMaker proporciona aprendizaje por transferencia en muchos modelos con entrenamiento previo disponibles en TensorFlow Hub. En machine learning, la posibilidad de utilizar los resultados del aprendizaje de un modelo para generar otro modelo se llama aprendizaje por transferencia. Según la cantidad de etiquetas de clase de los datos del entrenamiento, se agrega una capa de clasificación al modelo de TensorFlow Hub con entrenamiento previo. La capa de clasificación consta de una capa de abandono y una capa densa, una capa completamente conectada, con un regularizador de 2 normas, que se inicializa con ponderaciones aleatorias. El entrenamiento del modelo tiene hiperparámetros para la tasa de abandono de la capa de abandono y el factor de regularización L2 para la capa densa. En los nuevos datos de entrenamiento puede ajustarse toda la red, incluido el modelo con entrenamiento previo, o solo la capa de clasificación principal. El algoritmo proporciona una gran variedad de hiperparámetros de entrenamiento para ajustar el conjunto de datos personalizado.
Para aprender a utilizar este algoritmo, consulte la documentación de AWS, Clasificación de imágenes - TensorFlow, y el cuaderno de ejemplo, Introducción a SageMaker TensorFlow - Clasificación de imágenes. Puede obtener una explicación más detallada sobre cómo utilizar estos algoritmos en los siguientes blogs sobre aprendizaje por transferencia para los modelos de clasificación de imágenes de TensorFlow en el blog de Amazon SageMaker.
Estos algoritmos se pueden usar en todas las regiones en las que está disponible Amazon SageMaker. Para empezar a trabajar con estos nuevos modelos en SageMaker, consulte la documentación.