Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Optimieren eines Objekterkennungsmodells

Die automatische Modelloptimierung, auch bekannt als Hyperparameteroptimierung, sucht die beste Version eines Modells, indem viele Aufträge ausgeführt werden, die einen Bereich von Hyperparametern in Ihrem Datensatz testen. Sie wählen die optimierbaren Hyperparameter, eine Reihe von Werten für jeden Parameter und eine objektive Metrik aus. Sie wählen die objektive Metrik aus den Metriken aus, die der Algorithmus berechnet. Die automatische Modelloptimierung durchsucht die ausgewählten Hyperparameter nach der Kombination von Werten, die das Modell ergeben, das die objektive Metrik optimiert.

Mehr Informationen über die Modelloptimierung finden Sie unter Automatische Modelloptimierung mit SageMaker.

Vom Objekterkennungsalgorithmus berechnete Metriken

Der Objekterkennungsalgorithmus meldet eine einzelne Metrik während des Trainings: validation:mAP. Wählen Sie beim Optimieren eines Modells diese Metrik als objektive Metrik aus.

Optimierbare Objekterkennungshyperparameter

Optimieren Sie das SageMaker Amazon-Objekterkennungsmodell mit den folgenden Hyperparametern. Die Hyperparameter mit den größten Auswirkungen auf objektive Objekterkennungsmetrik sind: mini_batch_size, learning_rate und optimizer.