Pilih preferensi cookie Anda

Kami menggunakan cookie penting serta alat serupa yang diperlukan untuk menyediakan situs dan layanan. Kami menggunakan cookie performa untuk mengumpulkan statistik anonim sehingga kami dapat memahami cara pelanggan menggunakan situs dan melakukan perbaikan. Cookie penting tidak dapat dinonaktifkan, tetapi Anda dapat mengklik “Kustom” atau “Tolak” untuk menolak cookie performa.

Jika Anda setuju, AWS dan pihak ketiga yang disetujui juga akan menggunakan cookie untuk menyediakan fitur situs yang berguna, mengingat preferensi Anda, dan menampilkan konten yang relevan, termasuk iklan yang relevan. Untuk menerima atau menolak semua cookie yang tidak penting, klik “Terima” atau “Tolak”. Untuk membuat pilihan yang lebih detail, klik “Kustomisasi”.

Menyetel Model Klasifikasi Gambar

Mode fokus
Menyetel Model Klasifikasi Gambar - Amazon SageMaker AI

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

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 oleh algoritme. Penyetelan model otomatis mencari hiperparameter yang dipilih untuk menemukan kombinasi nilai yang menghasilkan model yang mengoptimalkan metrik objektif.

Untuk informasi selengkapnya tentang penyetelan model, lihatPenyetelan model otomatis dengan AI SageMaker .

Metrik yang Dihitung oleh Algoritma Klasifikasi Gambar

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

Hiperparameter Klasifikasi Gambar yang Dapat Disetel

Sesuaikan model klasifikasi gambar dengan hyperparameter berikut. Hiperparameter yang memiliki dampak terbesar pada metrik objektif klasifikasi gambar adalah:mini_batch_size,learning_rate, dan. optimizer Setel hiperparameter terkait pengoptimal, seperti,,momentum,,weight_decay,beta_1, dan beta_2 epsgamma, berdasarkan yang dipilih. optimizer Misalnya, gunakan beta_1 dan beta_2 adam hanya kapanoptimizer.

Untuk informasi lebih lanjut tentang hiperparameter mana yang digunakan di setiap pengoptimal, lihat. Klasifikasi Gambar Hyperparameters

Nama Parameter Jenis Parameter Rentang yang Direkomendasikan
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

gamma

ContinuousParameterRanges

MinValue: 1e-8,: 0.999 MaxValue

learning_rate

ContinuousParameterRanges

MinValue: 1e-6, MaxValue: 0,5

mini_batch_size

IntegerParameterRanges

MinValue: 8, MaxValue: 512

momentum

ContinuousParameterRanges

MinValue: 0.0, MaxValue: 0.999

optimizer

CategoricalParameterRanges

['sgd', 'adam', 'rmsprop', 'nag']

weight_decay

ContinuousParameterRanges

MinValue: 0.0, MaxValue: 0.999

PrivasiSyarat situsPreferensi cookie
© 2025, Amazon Web Services, Inc. atau afiliasinya. Semua hak dilindungi undang-undang.