Platform For AI:画像メトリック学習トレーニング（raw）

前提条件

OSS が有効化されており、Machine Learning Studio に OSS へのアクセス権限が付与されている必要があります。詳細については、「OSS の有効化」および「権限の付与」をご参照ください。

制限事項

サポートされるコンピューティングエンジンは DLC です。

アルゴリズムの説明

Image Metric Learning Training (raw) コンポーネントは、resnet50、resnet18、resnet34、resnet101、swint_tiny、swint_small、swint_base、vit_tiny、vit_small、vit_base、xcit_tiny、xcit_small、xcit_base などの一般的なモデルを提供します。

コンポーネントの構成

• 入力スタブ

  入力ポート（左から右）	制限されたデータの型	推奨される上流コンポーネント	必須
  トレーニングデータのアノテーションファイル	OSS	Read OSS Data	いいえ
  評価データのアノテーションファイル	OSS	Read OSS Data	いいえ

• コンポーネントパラメーター

  タブ	パラメーター	必須	説明	デフォルト値
  フィールド設定	メトリック学習モデルのタイプ	はい	モデルトレーニングに使用するアルゴリズムのタイプです。有効な値は以下のとおりです。 データ並列メトリック学習 モデル並列メトリック学習	データ並列メトリック学習
  	トレーニング出力を保存する OSS ディレクトリ	はい	トレーニングモデルを格納する OSS ディレクトリです。例：oss://examplebucket/yun****/designer_test。	なし
  	トレーニングデータのアノテーションファイルのパス	いいえ	入力ポートにトレーニングデータのアノテーションファイルが接続されていない場合に、このパラメーターを設定します。 説明 入力ポートとこのパラメーターの両方でファイルが設定されている場合、コンポーネントは入力ポートからのデータを使用します。 トレーニングデータのアノテーションファイルを格納する OSS パスです。例：oss://examplebucket/yourfolder****/data/imagenet/meta/train_labeled.txt。 train_labeled.txt ファイルの各行は、次の形式に従う必要があります。absolute path/image_name.jpg label_id。 重要 画像パスとlabel_idは、スペースで区切ります。	なし
  	検証データのアノテーションファイルのパス	いいえ	入力ポートに評価データのアノテーションファイルが接続されていない場合に、このパラメーターを設定します。 説明 入力ポートとこのパラメーターの両方でファイルが設定されている場合、コンポーネントは入力ポートからのデータを使用します。 検証データのアノテーションファイルを格納する OSS パスです。例：oss://examplebucket/yourfolder****/data/imagenet/meta/val_labeled.txt。 val_labeled.txt ファイルの各行は、次の形式に従う必要があります。absolute path/image_name.jpg label_id。 重要 画像パスとlabel_idは、スペースで区切ります。	なし
  	クラス名リストのファイル	いいえ	クラス名を直接入力するか、クラス名を含む .txt ファイルの OSS パスを指定します。	なし
  	データソースのフォーマット	はい	入力データのフォーマットです。有効な値は ClsSourceImageList および ClsSourceItag です。	ClsSourceImageList
  	事前学習済みモデルの OSS パス	いいえ	カスタムの事前学習済みモデルが存在する場合は、その OSS パスをこのパラメーターに設定します。設定しない場合、PAI はデフォルトの事前学習済みモデルを使用します。	なし
  パラメーター設定	メトリック学習モデルのバックボーン	はい	主流のモデルを選択します。有効な値は以下のとおりです。 resnet_50 resnet_18 resnet_34 resnet_101 swin_transformer_tiny swin_transformer_small swin_transformer_base	resnet50
  	画像のサイズ変更サイズ	はい	サイズ変更後の画像のピクセル数です。	224
  	バックボーン出力の特徴ディメンション	はい	主流モデル出力の特徴ディメンションです。整数である必要があります。	2048
  	特徴出力の特徴ディメンション	はい	Neck 出力の特徴ディメンションです。整数である必要があります。	1536
  	トレーニングデータ分類アノテーションのクラス数	はい	メトリック学習のために設定される出力ディメンションの数です。	なし
  	メトリック学習モデルの損失関数	はい	損失関数は、トレーニングモデルの予測値と実際の値の差異を評価します。有効な値は以下のとおりです。 AMSoftmax（推奨パラメーター：margin 0.4、scale 30） ArcFaceLoss（推奨パラメーター：margin 28.6、scale 64） CosFaceLoss（推奨パラメーター：margin 0.35、scale 64） LargeMarginSoftmaxLoss（推奨パラメーター：margin 4、scale 1） SphereFaceLoss（推奨パラメーター：margin 4、scale 1） モデル並列 AMSoftmax（GPU 数に応じて分類上限を拡張可能） モデル並列 Softmax（GPU 数に応じて分類上限を拡張可能）	AMSoftmax（推奨パラメーター：margin 0.4、scale 30）
  	メトリック学習損失関数の scale パラメーター	はい	メトリック学習に使用する損失関数に基づいて、このパラメーターを設定します。	30
  	メトリック学習損失関数の margin パラメーター	はい	メトリック学習に使用する損失関数に基づいて、このパラメーターを設定します。	0.4
  	メトリック学習損失関数の重み	いいえ	損失関数の重みです。この値は、メトリックと分類の間の最適化比率を調整します。	1.0
  	最適化方法	はい	モデルトレーニングの最適化方法です。有効な値は以下のとおりです。 SGD AdamW	SGD
  	初期学習率	はい	初期学習率です。浮動小数点数である必要があります。	0.03
  	トレーニング batch_size	はい	トレーニング時のバッチサイズです。モデルトレーニング中に各反復（ステップ）でトレーニングされるサンプル数を示します。	なし
  	トレーニング総エポック数	はい	1 エポックは、すべてのサンプルに対する 1 回の完全なトレーニングを意味します。総エポック数は、すべてのサンプルをトレーニングする総回数です。	200
  	チェックポイントの保存頻度	いいえ	モデルファイルを保存する頻度です。値が 1 の場合、各エポック後にモデルが保存されます。	10
  実行チューニング	トレーニングデータを読み取るスレッド数	いいえ	トレーニングデータを読み取るプロセス数です。	4
  	半精度を有効化	いいえ	このパラメーターを選択すると、モデルトレーニングに半精度が使用され、メモリ使用量が削減されます。	なし
  	シングルノードまたは分散（MaxCompute/DLC）	はい	コンポーネントを実行するエンジンです。必要に応じてエンジンを選択します。サポートされるコンピューティングエンジンは以下のとおりです。 Standalone DLC Distributed DLC	Standalone DLC
  	ワーカー数	いいえ	Distributed DLC を実行エンジンとして使用する場合に、このパラメーターを設定します。 トレーニング中の同時プロセス（ワーカー）数です。	1
  	GPU モデルの選択	はい	実行する GPU 仕様を選択します。	8vCPU+60GB Mem+1xp100-ecs.gn5-c8g1.2xlarge

使用例