Filter Bentuk Gambar LVM (DLC) - Platform For AI - Alibaba Cloud Documentation Center

Komponen Filter Bentuk Gambar LVM (DLC) menyaring gambar berdasarkan resolusi dengan membuang gambar yang lebar atau tingginya berada di luar rentang piksel yang ditentukan. Gunakan komponen ini untuk membersihkan data pelatihan sebelum menjalankan pekerjaan pelatihan model generasi gambar.

Sumber daya komputasi yang didukung

Deep Learning Containers (DLC)

Cara kerja

Komponen ini membaca data gambar dari Object Storage Service (OSS), menghitung lebar dan tinggi setiap gambar dalam piksel, lalu menghapus gambar yang dimensinya berada di luar rentang minimum-maksimum yang dikonfigurasi. Gambar yang lolos semua pemeriksaan ambang batas ditulis ke path output sebagai set data yang telah difilter. Komponen ini umumnya digunakan untuk pelatihan lanjutan model generasi gambar.

Komponen ini menghasilkan file metadata gambar (meta.jsonl) di direktori induk dari path yang Anda tentukan di Image Data OSS Path. Pada eksekusi berikutnya, arahkan langsung ke file ini alih-alih direktori aslinya untuk melewati pemindaian ulang data sumber.

Input dan output

Port input

Gunakan salah satu dari berikut sebagai input hulu:

Read File Data — membaca path OSS tempat data pelatihan Anda disimpan.
Image Data OSS Path — tentukan direktori OSS yang berisi gambar Anda, atau arahkan langsung ke file metadata meta.jsonl yang sebelumnya telah dihasilkan.
Komponen prapemrosesan data gambar apa pun.

Port Keluaran

Set data yang telah difilter. Path output berisi tiga file:

File	Deskripsi
`{name}.jsonl`	File output yang telah difilter. Nama file ditentukan oleh parameter Output Filename (default: `result.jsonl`).
`{name}_stats.jsonl`	File status.
`dj_run_yaml.yaml`	Snapshot konfigurasi parameter yang digunakan saat algoritma dijalankan.

Konfigurasikan komponen

Konfigurasikan komponen LVM-Image-Shape Filter (DLC) di Machine Learning Designer. Tabel berikut menjelaskan semua parameter.

Tab	Parameter	Wajib	Default	Deskripsi
Field Settings	Image Data OSS Path	Tidak	—	Direktori OSS yang berisi data gambar Anda, atau path ke file `meta.jsonl` yang sebelumnya telah dihasilkan. Pada eksekusi pertama (ketika tidak ada komponen hulu), tentukan direktori secara manual. Komponen menulis file `meta.jsonl` ke direktori induk dari path ini.
Field Settings	OSS Directory for Saving OutputData	Tidak	—	Direktori OSS tempat hasil penyaringan disimpan.
Field Settings	Output Filename	Tidak	`result.jsonl`	Nama file output (tanpa akhiran `_stats`).
Parameter Settings	Minimum Width	Ya	`1`	Lebar gambar minimum, dalam piksel. Gambar yang lebih sempit dari nilai ini akan difilter.
Parameter Settings	Maximum Width	Ya	`2048`	Lebar gambar maksimum, dalam piksel. Gambar yang lebih lebar dari nilai ini akan difilter.
Parameter Settings	Minimum Height	Ya	`1`	Tinggi gambar minimum, dalam piksel. Gambar yang lebih pendek dari nilai ini akan difilter.
Parameter Settings	Maximum Height	Ya	`2048`	Tinggi gambar maksimum, dalam piksel. Gambar yang lebih tinggi dari nilai ini akan difilter.
Execution Tuning	Number of Processes	Tidak	`4`	Jumlah proses paralel yang digunakan selama penyaringan.
	Single-node/Multi-node	Tidak	single-node	Mode single-node atau multi-node. Nilai default: single-node. Mode multi-node hanya mendukung framework Ray.
	Select Resource Group	Tidak	—	Pilih kelompok sumber daya publik atau kuota sumber daya (jika menggunakan mode terdistribusi, Anda harus mengatur parameter sumber daya untuk node head dan node pekerja secara terpisah): Kelompok sumber daya publik: Kami menyarankan agar Anda menggunakan tipe instans CPU untuk menghemat biaya. Kuota sumber daya: pilih jumlah GPU, jumlah vCPU, memori (GB), dan memori bersama (GB).
	Maximum Running Duration (seconds)	Tidak	—	Batas waktu pekerjaan, dalam detik. Pekerjaan akan dihentikan jika melebihi batas ini.