?> ¿Qué especifica el parámetro `layer` en la acci... - Aide
QUESTION / RÉPONSE

¿Qué especifica el parámetro `layer` en la acción `addLayer`?

0 consultations

Réponse

El parámetro `layer` especifica el tipo de capa que se va a agregar y sus parámetros asociados. El valor que se especifica para el parámetro `type` dentro de `layer` determina qué otros parámetros son aplicables.
Action technique liée

Voir la documentation de addLayer

Voir l'Action

Voir aussi

augmentImages
image

L'action `augmentImages` est une fonctionnalité puissante du traitement d'images dans SAS Viya. Elle permet de créer des versions augmentées d'un jeu d'images en générant des 'patches' (imagettes) et en leur appliquant diverses mutations. Cette technique est fondamentale en apprentissage profond (deep learning) pour enrichir artificiellement les jeux de données, ce qui aide à améliorer la robustesse et la performance des modèles de vision par ordinateur en les exposant à une plus grande variété de scénarios (changements de luminosité, d'angle, de couleur, etc.).

annotateImages
image

Die Aktion `annotateImages` im Aktionssatz `image` wird verwendet, um Bilder in einer CAS-Tabelle mit Metadaten zu versehen, die in derselben oder einer anderen Tabelle enthalten sind. Dies ermöglicht das Zeichnen von Formen, Text oder das Überlagern von Segmentierungsmasken direkt auf die Bilder. Diese Funktion ist besonders nützlich für die Visualisierung von Ergebnissen der Bildanalyse, wie z. B. Objekterkennung, oder zur Vorbereitung von Trainingsdaten für Deep-Learning-Modelle.

buildModel
deepLearn

L'action `buildModel` est le point de départ fondamental pour construire une architecture de réseau de neurones en SAS Viya. Elle ne construit pas le modèle à proprement parler, mais crée une table CAS vide, une sorte de 'conteneur', spécialement structurée pour accueillir les différentes couches (layers) qui composeront le réseau. C'est la première étape indispensable avant d'utiliser l'action `addLayer` pour définir l'architecture du modèle (DNN, CNN, ou RNN).