Image.sys

Envie imagens (jpg, png, webp) para cada classe. Procure variedade (ângulos, fundos, iluminação) e equilíbrio entre classes. Depois, clique em Preparar dados para dividir em treino, validação e teste.

Escolha a arquitetura e os hiperparâmetros na barra lateral e acompanhe as curvas em tempo real. Se a curva de validação descolar da de treino, é sinal de sobreajuste: ajuste dropout, dados ou épocas e treine de novo (este é o ciclo treinamento ↔ avaliação do AMCH).

Selecione um modelo e inicie o treinamento para ver o resumo das camadas.

A avaliação usa dados que o modelo nunca viu no treinamento. Compare o resultado com o critério de sucesso definido na etapa 1: se não atingiu, volte ao treinamento e ajuste; se atingiu, siga para a predição.

Hora de usar o modelo no mundo real: envie imagens novas e observe a classe prevista e a distribuição de confiança. Predições erradas aqui são informação valiosa: podem indicar classes confusas ou falta de exemplos parecidos no treino.

Exporte o modelo treinado e os metadados para reutilizar fora do Image.sys: em outra página web, em um aplicativo ou convertido para Keras. O relatório do experimento documenta todo o ciclo, do requisito ao resultado.

Treine um modelo para gerar os metadados.