CarbConnect logo
CarbConnect logo
    • Bienvenido a CarbConnect
    • Bienvenido a la Galeria
    • Creando tu Primera Carpeta
    • Subiendo tu Primera Imagen

    • Introduccion al modal de imagen
    • Cambiar la informacion de la imagen
    • Comunicarte con tus colegas
    • Crear una Anotacion

    • Compartir y Conectar

    • Como usar ZOI 1.0 Medicion de Zona de Inhibicion
    • Como usar BiTTE lite Analisis Microbiano
    • Como usar Nugent Score AI 1.0
    • Como usar BM Smear AI 1.0
    • Como usar ZOI Pro
    • Como usar Pick Colony 1.0 - Colony Picking support

    • Cómo crear una aplicación privada
    • Primeros pasos con AI Studio
    • Cómo crear un modelo de clasificación

    • Gestionando tu Perfil y Configuracion

    • Comenzando con la Herramienta de Etiquetado
    • Configurando el Constructor de Formas y Etiquetas
    • Gestionando Invitaciones del Servidor
    • Iniciando un Proyecto de Etiquetado
    • Accediendo a Proyectos de Etiquetado Compartidos

Cómo crear un modelo de clasificación

ES
​

Aprende a crear un proyecto de clasificación en AI Studio, importar carpetas de clases como etiquetas, revisar la división generada entre entrenamiento y prueba, iniciar el entrenamiento y ejecutar una inferencia de ejemplo.

Abre AI Studio desde la navegación superior, permanece en la pestaña Projects y haz clic en 'Create Project' para iniciar un nuevo flujo de modelo.

Step 1: Abre AI Studio desde la navegación superior, permanece en la pestaña Projects y haz clic en 'Create Project' para iniciar un nuevo flujo de modelo.

En Project Settings, ingresa un nombre de proyecto, selecciona 'Classification', elige el modo de entrenamiento como 'Auto' y selecciona o crea el Project Folder.

Step 2: En Project Settings, ingresa un nombre de proyecto, selecciona 'Classification', elige el modo de entrenamiento como 'Auto' y selecciona o crea el Project Folder.

En el paso Dataset, haz clic en 'Import folder' y elige una carpeta por clase. Cada carpeta se convierte en una etiqueta de clase, como `BG2_01_Candida spp.` y `BG2_02_Listeria`.

Step 3: En el paso Dataset, haz clic en 'Import folder' y elige una carpeta por clase. Cada carpeta se convierte en una etiqueta de clase, como `BG2_01_Candida spp.` y `BG2_02_Listeria`.

Espera a que termine la importación y se genere el conjunto de prueba, luego confirma el estado verde 'Ready' y los conteos de Training y Test de cada clase.

Step 4: Espera a que termine la importación y se genere el conjunto de prueba, luego confirma el estado verde 'Ready' y los conteos de Training y Test de cada clase.

En Review & Train, confirma el nombre del proyecto, la categoría Classification, el modo, el Project Folder y el resumen del dataset, luego haz clic en 'Save & Train'.

Step 5: En Review & Train, confirma el nombre del proyecto, la categoría Classification, el modo, el Project Folder y el resumen del dataset, luego haz clic en 'Save & Train'.

Después de iniciar el entrenamiento, abre los detalles del proyecto para confirmar la configuración de Classification y revisar los metadatos mientras se crea el modelo.

Step 6: Después de iniciar el entrenamiento, abre los detalles del proyecto para confirmar la configuración de Classification y revisar los metadatos mientras se crea el modelo.

Cuando haya un modelo disponible, abre 'Test Model', entra en la carpeta `test`, selecciona una imagen y haz clic en 'Run Inference'.

Step 7: Cuando haya un modelo disponible, abre 'Test Model', entra en la carpeta `test`, selecciona una imagen y haz clic en 'Run Inference'.

Revisa el panel Inference result para comprobar la predicción principal y la puntuación de cada clase.

Step 8: Revisa el panel Inference result para comprobar la predicción principal y la puntuación de cada clase.
© CarbGeM Inc. All Rights Reserved.
About Us
Terms and Conditions
Privacy Policy