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.
Normalerweise teilen Sie die Daten, auf denen Sie Ihr Modell trainieren, in Trainings- und Validierungsdatensätze auf. Sie verwenden das Trainingsset zum Training der Modellparameter, die verwendet werden, um Voraussagen zum Trainingsdatensatz zu treffen. Anschließend testen Sie, wie gut die Voraussagen des Modells sind, indem Sie Voraussagen für das Validierungsset berechnen. Um die Leistung eines Trainingsauftrags zu analysieren, zeichnen Sie in der Regel eine Trainingskurve neben einer Validierungskurve ein.
Ein Diagramm, das die Genauigkeit für das Trainings- und das Validierungset über einen Zeitraum hinweg anzeigt, kann Ihnen dabei helfen, die Leistung Ihres Modells zu verbessern. Wenn die Trainingsgenauigkeit beispielsweise im Laufe der Zeit immer besser wird, aber ab einem bestimmten Punkt die Validierungsgenauigkeit sich zu verschlechtern beginnt, haben Sie Ihr Modell vermutlich übermäßig angepasst. Um dieses Problem zu beheben, können Sie Anpassungen an Ihrem Modell vornehmen, wie zum Beispiel die Regularisierung erhöhen.
Für dieses Beispiel können Sie das Beispiel I im Abschnitt mage-classification-full-training Beispiel-Notebooks Ihrer SageMaker AI-Notebook-Instance verwenden. Wenn Sie keine SageMaker Notebook-Instanz haben, erstellen Sie eine, indem Sie den Anweisungen unter folgenErstellen Sie eine Amazon SageMaker Notebook-Instance für das Tutorial. Wenn Sie möchten, können Sie dem Beispiel für die End-to-End Bildklassifizierung mehrerer Klassen im Beispiel-Notizbuch
So lassen Sie sich Trainings- und Validierungsfehlerkurven anzeigen
-
Öffnen Sie die SageMaker AI-Konsole unter https://console.aws.amazon.com/sagemaker
. -
Wählen Sie Notebooks und dann Notebook-Instances aus.
-
Wählen Sie die Notebook-Instance aus, die Sie verwenden möchten, und klicken Sie dann auf Open (Öffnen).
-
Wählen Sie im Dashboard für Ihre Notebook-Instanz die Option SageMaker AI Examples aus.
-
Erweitern Sie den Abschnitt Einführung in Amazon-Algorithmen und wählen Sie dann neben I mage-classification-fulltraining .ipynb die Option Verwenden aus.
-
Wählen Sie Kopie erstellen. SageMaker AI erstellt eine bearbeitbare Kopie des I mage-classification-fulltraining .ipynb-Notebooks in Ihrer Notebook-Instanz.
-
Führen Sie alle Zellen im Notebook bis zum Abschnitt Inferenz aus. Sie müssen für dieses Beispiel keinen Endpunkt bereitstellen oder Inferenzen abrufen.
-
Wählen Sie Metriken und anschließend/aus. aws/sagemaker/TrainingJobs
-
Wählen Sie TrainingJobName.
-
Wählen Sie in der Registerkarte All metrics (Alle Metriken) die Metriken train:accuracy und validation:accuracy für den von Ihnen im Notebook angelegten Trainingsauftrag aus.
-
Wählen Sie im Diagramm einen Bereich aus, in dem die Werte der Metrik vergrößert werden sollen. Dies sollte etwa wie folgt aussehen.
