Seleccione sus preferencias de cookies

Usamos cookies esenciales y herramientas similares que son necesarias para proporcionar nuestro sitio y nuestros servicios. Usamos cookies de rendimiento para recopilar estadísticas anónimas para que podamos entender cómo los clientes usan nuestro sitio y hacer mejoras. Las cookies esenciales no se pueden desactivar, pero puede hacer clic en “Personalizar” o “Rechazar” para rechazar las cookies de rendimiento.

Si está de acuerdo, AWS y los terceros aprobados también utilizarán cookies para proporcionar características útiles del sitio, recordar sus preferencias y mostrar contenido relevante, incluida publicidad relevante. Para aceptar o rechazar todas las cookies no esenciales, haga clic en “Aceptar” o “Rechazar”. Para elegir opciones más detalladas, haga clic en “Personalizar”.

Ajuste de un modelo de clasificación de imágenes

Modo de enfoque
Ajuste de un modelo de clasificación de imágenes - Amazon SageMaker AI

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

El ajuste de modelo automático, también conocido como ajuste de hiperparámetros, encuentra la mejor versión de un modelo ejecutando muchas tareas que probar una serie de hiperparámetros en su conjunto de datos. Usted elige los hiperparámetros que pueden ajustarse, un rango de valores para cada uno de ellos y una métrica objetiva. Puede elegir la métrica objetiva de las métricas que el algoritmo computa. El ajuste de modelo automático busca los hiperparámetros elegidos para encontrar la combinación de valores que obtienen el modelo que optimiza la métrica objetiva.

Para obtener más información acerca del ajuste de modelos, consulte Ajuste automático de modelos con IA SageMaker .

Métricas contabilizadas por el algoritmo de clasificación de imágenes

El algoritmo de clasificación de imágenes es un algoritmo supervisado. Informa una métrica de precisión que se calcula durante la capacitación. Al ajustar el modelo, elija esta métrica como la métrica objetivo.

Nombre de métrica Descripción Dirección de optimización
validation:accuracy

La ratio del número de predicciones correctas con respecto al número total de predicciones realizadas.

Maximizar

Hiperparámetros de clasificación de imágenes ajustables

Ajuste un modelo de clasificación de imágenes con los siguientes hiperparámetros. Estos son los hiperparámetros con mayor impacto en las métricas de objetivos de clasificación de imágenes: mini_batch_size, learning_rate y optimizer. Ajuste los hiperparámetros relacionados con el optimizador, como, por ejemplo, momentum, weight_decay, beta_1, beta_2, eps y gamma, en función del optimizer seleccionado. Por ejemplo, utilice beta_1 y beta_2 solo cuando adam es el optimizer.

Para obtener más información sobre qué hiperparámetros se utilizan en cada optimizador, consulte Hiperparámetros de clasificación de imágenes.

Nombre del parámetro Tipo de parámetro Intervalos recomendados
beta_1

ContinuousParameterRanges

MinValue: 1e-6, 0,999 MaxValue

beta_2

ContinuousParameterRanges

MinValue: 1e-6, 0,999 MaxValue

eps

ContinuousParameterRanges

MinValue: 1e-8,: 1,0 MaxValue

gamma

ContinuousParameterRanges

MinValue: 1e-8, 0,999 MaxValue

learning_rate

ContinuousParameterRanges

MinValue: 1e-6, 0,5 MaxValue

mini_batch_size

IntegerParameterRanges

MinValue: 8, 512 MaxValue

momentum

ContinuousParameterRanges

MinValue: 0,0, MaxValue 0,999

optimizer

CategoricalParameterRanges

['sgd', ‘adam’, ‘rmsprop’, 'nag']

weight_decay

ContinuousParameterRanges

MinValue: 0,0, MaxValue 0,999

PrivacidadTérminos del sitioPreferencias de cookies
© 2025, Amazon Web Services, Inc o sus afiliados. Todos los derechos reservados.