创建和浏览带标签的 Azure 机器学习数据集

项目
08/14/2024

在本文中，你将学习如何从 Azure 机器学习数据标记项目中导出数据标签，并将其加载为常用格式，例如，加载为 Pandas 数据帧以用于浏览数据。

什么是带标签的数据集

将带标签的 Azure 机器学习数据集称为带标签的数据集。这些特定数据集是具有专用标签列的 TabularDatasets，只能创建为 Azure 机器学习数据标签项目的输出。为图像标记或文本标记创建数据标记项目。机器学习支持用于图像分类的数据标记项目（无论是多标签的还是多类的），以及带边界框的对象标识。

先决条件

Azure 订阅。如果没有 Azure 订阅，可在开始前创建一个试用帐户。
适用于 Python 的 Azure 机器学习 SDK，或 Azure 机器学习工作室的访问权限。
机器学习工作区。请参阅创建工作区资源。
对 Azure 机器学习数据标记项目的访问权限。如果没有标记项目，请首先为图像标记或文本标记创建一个。

导出数据标签

完成数据标记项目后，可以从标记项目中导出标签数据。这样，便可以捕获对数据及其标签的引用，并将其导出为 COCO 格式或 Azure 机器学习数据集。

使用标记项目的“项目详细信息”页上的“导出”按钮。

COCO

COCO 文件是在 Azure 机器学习工作区的默认 Blob 存储中创建的，该存储位于 export/coco 内的某个文件夹中。

注意

在物体检测项目中，COCO 文件中导出的“bbox": [x,y,width,height]”值已规范化。其度量单位设定为 1。示例：在像素为 640x480 的图像中，位置位于 (10, 10)、宽度为 30 像素、高度为 60 像素的边框将被标注为 (0.015625. 0.02083, 0.046875, 0.125)。由于坐标已规范化，因此所有图像的“宽度”和“高度”将显示为“0.0”。可以使用 Python 库（如 OpenCV 或 Pillow(PIL)）获取实际的宽度和高度。

Azure 机器学习数据集

可以在 Azure 机器学习工作室的“数据集”部分中访问导出的 Azure 机器学习数据集。数据集“详细信息”页还提供了演示如何从 Python 访问标签的示例代码。

导出的数据集

提示

将标记数据导出到 Azure 机器学习数据集后，可以使用 AutoML 构建基于标记数据训练的计算机视觉模型。要了解详细信息，请参阅设置 AutoML，以使用 Python 训练计算机视觉模型

通过 pandas 数据帧浏览带标签的数据集

将带标签的数据集加载到 pandas 数据帧中，以利用常见的开源库通过 azureml-dataprep 类中的 to_pandas_dataframe() 方法进行数据浏览。

可以使用以下 shell 命令安装此类：

pip install azureml-dataprep

在以下代码中，animal_labels 数据集是之前保存到工作区的标签项目的输出。导出的数据集是一个 TabularDataset。

适用于：Python SDK azureml v1

import azureml.core
from azureml.core import Dataset, Workspace

# get animal_labels dataset from the workspace
animal_labels = Dataset.get_by_name(workspace, 'animal_labels')
animal_pd = animal_labels.to_pandas_dataframe()

import matplotlib.pyplot as plt
import matplotlib.image as mpimg

#read images from dataset
img = mpimg.imread(animal_pd['image_url'].iloc(0).open())
imgplot = plt.imshow(img)

通过