Een bedrijf gebruikt SageMaker image classification (ImageNetV2 CNN), maar merkt dat het model veel minder vaak voorkomende diersoorten mist. Ze hebben 10.000 gelabelde afbeeldingen van zeldzame soorten verzameld in S3 en zijn van plan om te trainen met behulp van Pipe mode. Welke combinatie van stappen moet de ML engineer nemen? Selecteer twee.

Het bedrijf heeft 10.000 gelabelde afbeeldingen van zeldzame soorten verzameld. Om deze gegevens effectief te gebruiken met SageMaker's ingebouwde image classification-algoritme, is het cruciaal om de gegevens in het juiste formaat aan te leveren. Een .lst-bestand is het standaardformaat voor het specificeren van trainings- en validatiegegevens voor dit algoritme, waarbij elk item verwijst naar een afbeeldingsbestand en het bijbehorende label. Aangezien het bestaande model moeite heeft met zeldzame soorten, is transfer learning de meest geschikte aanpak. Door het bestaande model te fine-tunen met de nieuwe dataset van zeldzame soorten, kan het model de geleerde kenmerken van de eerdere training benutten en deze aanpassen aan de specifieke kenmerken van de zeldzame soorten, wat resulteert in betere prestaties. Het trainen vanaf nul met willekeurige gewichten zou de voordelen van de eerdere training tenietdoen en vereist veel meer gegevens om tot vergelijkbare prestaties te komen. Een Inception-model is een architectuurkeuze, maar lost het probleem van de zeldzame soorten niet op zonder transfer learning. Een augmented manifest file is een formaat voor Amazon Rekognition Custom Labels of Amazon SageMaker Ground Truth, niet voor het ingebouwde image classification-algoritme.