Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Menyetel Model Deteksi Objek
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 Deteksi Objek
Algoritma deteksi objek melaporkan satu metrik selama pelatihan:validation:mAP
. Saat menyetel model, pilih metrik ini sebagai metrik objektif.
Nama Metrik | Deskripsi | Arah Optimasi |
---|---|---|
validation:mAP |
Mean Average Precision (MAP) dihitung pada set validasi. |
Maksimalkan |
Hiperparameter Deteksi Objek yang Dapat Disetel
Setel model deteksi objek Amazon SageMaker AI dengan hyperparameter berikut. Hiperparameter yang memiliki dampak terbesar pada metrik tujuan deteksi objek adalah:mini_batch_size
,learning_rate
, danoptimizer
.
Nama Parameter | Jenis Parameter | Rentang yang Direkomendasikan |
---|---|---|
learning_rate |
ContinuousParameterRange |
MinValue: 1e-6, MaxValue: 0,5 |
mini_batch_size |
IntegerParameterRanges |
MinValue: 8, MaxValue: 64 |
momentum |
ContinuousParameterRange |
MinValue: 0.0, MaxValue: 0.999 |
optimizer |
CategoricalParameterRanges |
['sgd', 'adam', 'rmsprop', 'adadelta'] |
weight_decay |
ContinuousParameterRange |
MinValue: 0.0, MaxValue: 0.999 |