Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Menyetel Klasifikasi Gambar - TensorFlow model
Penyetelan model otomatis, juga dikenal sebagai tuning hyperparameter, menemukan versi terbaik dari model dengan menjalankan banyak pekerjaan yang menguji berbagai hiperparameter pada kumpulan data Anda. Anda memilih hyperparameters yang dapat disetel, rentang nilai untuk masing-masing, dan metrik objektif. Anda memilih metrik objektif dari metrik yang dihitung algoritme. Penyetelan model otomatis mencari hiperparameter yang dipilih untuk menemukan kombinasi nilai yang menghasilkan model yang mengoptimalkan metrik objektif.
Untuk informasi lebih lanjut tentang penyetelan model, lihatPenyetelan model otomatis dengan SageMaker.
Metrik dihitung oleh Klasifikasi Gambar - algoritma TensorFlow
Algoritma klasifikasi gambar adalah algoritma yang diawasi. Ini melaporkan metrik akurasi yang dihitung selama pelatihan. Saat menyetel model, pilih metrik ini sebagai metrik objektif.
Nama Metrik | Deskripsi | Arah Optimasi |
---|---|---|
validation:accuracy |
Rasio jumlah prediksi yang benar dengan jumlah prediksi yang dibuat. |
Maksimalkan |
Klasifikasi Gambar yang Dapat Disetel - hyperparameters TensorFlow
Sesuaikan model klasifikasi gambar dengan hyperparameter berikut. Hiperparameter yang memiliki dampak terbesar pada metrik objektif klasifikasi gambar adalah:batch_size
,learning_rate
, dan. optimizer
Setel hiperparameter terkait pengoptimal, seperti,,momentum
,, regularizers_l2
beta_1
beta_2
, dan eps
berdasarkan yang dipilih. optimizer
Misalnya, gunakan beta_1
dan beta_2
adam
hanya kapanoptimizer
.
Untuk informasi lebih lanjut tentang hiperparameter mana yang digunakan untuk masing-masingoptimizer
, lihatKlasifikasi Gambar - TensorFlow Hyperparameters.
Nama Parameter | Jenis Parameter | Rentang yang Direkomendasikan |
---|---|---|
batch_size |
IntegerParameterRanges |
MinValue: 8, MaxValue: 512 |
beta_1 |
ContinuousParameterRanges |
MinValue: 1e-6,: 0.999 MaxValue |
beta_2 |
ContinuousParameterRanges |
MinValue: 1e-6,: 0.999 MaxValue |
eps |
ContinuousParameterRanges |
MinValue: 1e-8, MaxValue: 1.0 |
learning_rate |
ContinuousParameterRanges |
MinValue: 1e-6, MaxValue: 0,5 |
momentum |
ContinuousParameterRanges |
MinValue: 0.0, MaxValue: 0.999 |
optimizer |
CategoricalParameterRanges |
['sgd', 'adam', 'rmsprop', 'nesterov', 'adagrad', 'adadelta'] |
regularizers_l2 |
ContinuousParameterRanges |
MinValue: 0.0, MaxValue: 0.999 |
train_only_top_layer |
ContinuousParameterRanges |
['Benar', 'Salah'] |