Active Learning
review और retraining के माध्यम से अपने model को लगातार बेहतर बनाने के लिए production inference data इकट्ठा करें।
Active Learning आपके deployed models से production data एकत्र करता है और उसे review तथा retraining के लिए प्रस्तुत करता है। जब आपका model production में inference चलाता है, तो Active Learning आपके द्वारा configure किए गए rules (जैसे low-confidence predictions या specific classes) के आधार पर स्वतः images का sample लेता है और उन्हें human review के लिए queue में डाल देता है।
Active Learning के लिए एक cloud deployment आवश्यक है। यह Annotation Review feature वाले plans पर उपलब्ध है।
Active Learning सक्षम करें
अपना Project खोलें और left sidebar में "Active Learning" चुनें।
Active Learning को on करें।
Active Learning द्वारा data एकत्र करने के लिए आपके Project में एक trained model और एक active cloud deployment होना चाहिए।
Collection Rules कॉन्फ़िगर करें
Active Learning में configuration की दो categories होती हैं: collection limits और conditions.
Collection Limits
यह नियंत्रित करें कि Active Learning कितना data एकत्र करता है:
Sampling rate: sample किए जाने वाले inferences का प्रतिशत (उदा.: 0.5%)
प्रति-मिनट, प्रति-घंटा, और दैनिक image caps
Compression level और maximum image dimensions
Batch recreation frequency (daily, weekly, monthly, या never)
क्या collected images के साथ model predictions को persist करना है
इन settings को edit करने के लिए, Collection Limits section में "Edit" पर क्लिक करें और configuration modal में values अपडेट करें।
Conditions
Conditions यह फ़िल्टर करती हैं कि कौन-सी images collect की जाएँ। आप अपने model type के आधार पर rules define कर सकते हैं:
Confidence thresholds (उदा.: ऐसी images collect करें जिनमें confidence 60% से नीचे हो)
रुचि की specific classes
Detection count requirements
Conditions सेट अप करने के लिए, Conditions section में "Edit" पर क्लिक करें।
Collected Images की समीक्षा करें
जैसे-जैसे Active Learning images collect करता है, वे Active Learning page के Images section में दिखाई देती हैं। यह page review के लिए तैयार images और वर्तमान में review की जा रही images की counts दिखाता है।
Review शुरू करने के लिए:
review queue खोलने के लिए "Review Images" पर क्लिक करें।
बatches को status (Not Started, In Progress) के अनुसार ब्राउज़ करें और creation date, image count, या progress के आधार पर sort करें।
review शुरू करने के लिए एक batch चुनें।
Reviewers असाइन करें
आप अपने team में review work वितरित कर सकते हैं:
review queue खोलें और एक batch चुनें।
reviewers असाइन करने के लिए क्लिक करें।
team members चुनें, असाइन की जाने वाली images की संख्या सेट करें, और चाहें तो review instructions जोड़ें।
प्रत्येक reviewer को मिलने वाली images को randomize करने के लिए "Shuffle Images" टॉगल करें।
जब reviewers को images असाइन की जाती हैं, तो उन्हें सूचना मिलती है। आप किसी भी समय images को किसी अन्य reviewer को पुनः असाइन कर सकते हैं।
Active Learning आपके Training Loop में कैसे फिट होता है
सामान्य workflow:
एक model train और deploy करें।
अपने use case के अनुसार tuned conditions के साथ Active Learning सक्षम करें।
आपकी conditions से मेल खाने वाला production data collect होकर queue में डाल दिया जाता है।
Reviewers collected images को label करते हैं।
Reviewed images को अपने dataset में जोड़ें और अपने model को बेहतर बनाने के लिए retrain करें।
यह एक feedback loop बनाता है, जिसमें आपका model उन cases में बेहतर होता जाता है जहाँ उसे सबसे अधिक कठिनाई होती है।
REST API
आप Active Learning को प्रोग्रामेटिक रूप से इसके माध्यम से प्रबंधित कर सकते हैं Project Deploy API. API आपको Active Learning को enable/disable करने, collection limits और filters अपडेट करने, और collected images सूचीबद्ध करने की सुविधा देती है।
अंतिम अपडेट
क्या यह उपयोगी था?