Contexte Métier
Une usine manufacturière met en place un système de vision par ordinateur pour détecter des défauts sur des pièces. Le modèle CNN (Convolutional Neural Network) doit être initialisé sur un serveur CAS partagé avec une allocation spécifique de threads pour tester la réservation de ressources.
À propos du Set : deepLearn
Création et entraînement de réseaux de neurones profonds.
Découvrir toutes les actions de deepLearn Préparation des Données
Aucune préparation de données complexe requise, mais nous nous assurons que la session est active.
Copié !
| 1 | /* Vérification de la |
| 2 | session */ cas mySession list; |
| 3 |
Étapes de réalisation
1
Création du modèle CNN avec spécification explicite des threads et option de remplacement.
Copié !
| 1 | PROC CAS; |
| 2 | DEEPLEARN.buildModel / |
| 3 | modelTable={name='defect_detection_cnn', replace=true} |
| 4 | type='CNN' |
| 5 | nThreads=8; |
| 6 | RUN; QUIT; |
2
Tentative de lecture des attributs pour confirmer le type CNN.
Copié !
| 1 | PROC CAS; |
| 2 | TABLE.attribute / |
| 3 | TABLE={name='defect_detection_cnn'}; |
| 4 | RUN; QUIT; |
Résultat Attendu
La table 'defect_detection_cnn' est créée avec succès. L'utilisation explicite de 'type=CNN' et 'nThreads=8' est acceptée et ne génère pas d'avertissement. La table est prête à recevoir des couches de convolution.