Geschäftskontext
Ein Universitätsklinikum entwickelt ein KI-System zur automatischen Erkennung von Lungenentzündungen auf Thorax-Röntgenbildern. Da es sich um Bilddaten (Gitterstruktur) handelt, ist ein Convolutional Neural Network (CNN) zwingend erforderlich. Das leere Modellgerüst muss korrekt in der gesicherten 'casuser'-Bibliothek initialisiert werden, um später Convolutional-Layer hinzuzufügen.
Über das Set : deepLearn
Erstellung und Training tiefer neuronaler Netze.
Entdecken Sie alle Aktionen von deepLearn Datenaufbereitung
Initialisierung der CAS-Sitzung und Zuweisung der Bibliotheken (keine Trainingsdaten für die Modellerstellung notwendig).
Kopiert!
| 1 | cas mySession sessopts=(caslib='casuser'); |
| 2 | LIBNAME casuser cas caslib='casuser'; |
| 3 |
Étapes de réalisation
1
Erstellen des leeren CNN-Modells
Kopiert!
| 1 | |
| 2 | PROC CAS; |
| 3 | DEEPLEARN.buildModel / modelTable={name='Lungen_CNN', caslib='casuser', replace=true} type='CNN'; |
| 4 | |
| 5 | RUN; |
| 6 | |
| 7 | QUIT; |
| 8 |
2
Überprüfung der Modelleigenschaften mittels tableInfo
Kopiert!
| 1 | |
| 2 | PROC CAS; |
| 3 | TABLE.tableInfo / name='Lungen_CNN' caslib='casuser'; |
| 4 | |
| 5 | RUN; |
| 6 | |
| 7 | QUIT; |
| 8 |
Erwartetes Ergebnis
Die Aktion wird erfolgreich ausgeführt. In der Bibliothek 'casuser' existiert nun eine Tabelle 'Lungen_CNN'. Die Metadaten bestätigen, dass es sich um eine leere Modellarchitektur vom Typ 'CNN' handelt, bereit für die Definition von Schichten.