Aprendizagem automática prática para visão computacional
by Valliappa Lakshmanan, Martin Görner, Ryan Gillard
Capítulo 7. Pipeline de formação
Este trabalho foi traduzido com recurso a IA. Agradecemos o teu feedback e comentários: translation-feedback@oreilly.com
A fase após o pré-processamento é o treino do modelo, durante o qual o modelo de aprendizagem automática lê os dados de treino e utiliza esses dados para ajustar os seus pesos (ver Figura 7-1). Após o treino, o modelo é guardado ou exportado para que possa ser implementado.
Figura 7-1. No processo de treinamento do modelo, o modelo de ML é treinado em dados pré-processados e, em seguida, exportado para implantação. O modelo exportado é utilizado para fazer previsões.
Neste capítulo, analisaremos formas de tornar mais eficiente a ingestão de dados de treinamento (e validação) no modelo. Aproveitaremos o corte de tempo entre os diferentes dispositivos computacionais (CPUs e GPUs) disponíveis e examinaremos como tornar todo o processo mais resiliente e reproduzível.
Dica
O código para este capítulo está na pasta 07_training do repositório GitHub do livro. Forneceremos nomes de arquivos para exemplos de código e notebooks, quando aplicável.
Ingestão eficiente
Uma parte significativa do tempo que leva para treinar modelos de aprendizagem de máquina é gasta na ingestão de dados - lendo-os e transformando-os numa forma que seja utilizável pelo modelo. Quanto mais pudermos fazer para simplificar e acelerar esta fase do pipeline de formação, ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access