Hiperparameter Segmentasi Semantik

Tulang punggung yang digunakan untuk komponen encoder algoritma.

Opsional

Nilai yang valid: resnet-50, resnet-101

Nilai default: resnet-50

Apakah model yang telah dilatih sebelumnya akan digunakan untuk tulang punggung.

Opsional

Nilai yang valid: True, False

Nilai default: True

Algoritma yang digunakan untuk segmentasi semantik.

Opsional

Nilai yang valid:

Nilai default: fcn

Jumlah kelas untuk segmen.

Diperlukan

Nilai yang valid: 2 ≤ bilangan bulat positif ≤ 254

Jumlah sampel dalam data pelatihan. Algoritma menggunakan nilai ini untuk mengatur penjadwal tingkat pembelajaran.

Diperlukan

Nilai yang valid: bilangan bulat positif

Mendefinisikan bagaimana gambar diskalakan ulang sebelum dipotong. Gambar diskalakan ulang sedemikian rupa sehingga panjang ukuran panjang diatur untuk base_size dikalikan dengan angka acak dari 0,5 hingga 2,0, dan ukuran pendek dihitung untuk mempertahankan rasio aspek.

Opsional

Nilai yang valid: bilangan bulat positif> 16

Nilai default: 520

Ukuran gambar untuk input selama pelatihan. Kami secara acak mengubah skala gambar input berdasarkanbase_size, dan kemudian mengambil potongan persegi acak dengan panjang sisi sama dengan. crop_size crop_sizeAkan secara otomatis dibulatkan ke kelipatan 8.

Opsional

Nilai yang valid: bilangan bulat positif> 16

Nilai default: 240

Apakah akan menggunakan logika penghentian dini selama pelatihan.

Opsional

Nilai yang valid: True, False

Nilai default: False

Jumlah minimum epoch yang harus dijalankan.

Opsional

Nilai yang valid: integer

Nilai default: 5

Jumlah epoch yang memenuhi toleransi untuk kinerja yang lebih rendah sebelum algoritme memberlakukan penghentian awal.

Opsional

Nilai yang valid: integer

Nilai default: 4

Jika peningkatan relatif dari skor pekerjaan pelatihan, MiOu, lebih kecil dari nilai ini, penghentian awal menganggap zaman tidak membaik. Ini hanya digunakan ketika early_stopping =True.

Opsional

Nilai yang valid: 0 ≤ float ≤ 1

Nilai default: 0.0

Jumlah zaman yang digunakan untuk melatih.

Opsional

Nilai yang valid: bilangan bulat positif

Nilai default: 10

Faktor peluruhan untuk rata-rata bergerak gradien kuadrat untuk. rmsprop Digunakan hanya untukrmsprop.

Opsional

Nilai yang valid: 0 ≤ float ≤ 1

Nilai default: 0,9

Faktor momentum untukrmsprop.

Opsional

Nilai yang valid: 0 ≤ float ≤ 1

Nilai default: 0,9

Tingkat pembelajaran awal.

Opsional

Nilai yang valid: 0 < float ≤ 1

Nilai default: 0,001

Bentuk jadwal tingkat pembelajaran yang mengontrol penurunannya dari waktu ke waktu.

Opsional

Nilai yang valid:

Nilai default: poly

Jika lr_scheduler diatur kestep, rasio yang digunakan untuk mengurangi (multipy) learning_rate setelah masing-masing zaman yang ditentukan oleh. lr_scheduler_step Kalau tidak, diabaikan.

Opsional

Nilai yang valid: 0 ≤ float ≤ 1

Nilai default: 0,1

Daftar zaman yang dibatasi koma setelah itu dikurangi (dikalikan) dengan learning_rate a. lr_scheduler_factor Misalnya, jika nilainya diatur ke"10, 20", maka learning-rate dikurangi lr_scheduler_factor setelah zaman ke-10 dan lagi oleh faktor ini setelah zaman ke-20.

Diperlukan secara kondisional jika lr_scheduler diatur kestep. Kalau tidak, diabaikan.

Nilai yang valid: string

Nilai default: (Tidak ada default, karena nilainya diperlukan saat digunakan.)

Ukuran batch untuk pelatihan. Menggunakan yang besar mini_batch_size biasanya menghasilkan pelatihan yang lebih cepat, tetapi mungkin menyebabkan Anda kehabisan memori. Penggunaan memori dipengaruhi oleh nilai-nilai mini_batch_size dan image_shape parameter, dan arsitektur backbone.

Opsional

Nilai yang valid: bilangan bulat positif

Nilai default: 16

Momentum untuk sgd pengoptimal. Saat Anda menggunakan pengoptimal lain, algoritma segmentasi semantik mengabaikan parameter ini.

Opsional

Nilai yang valid: 0 < float ≤ 1

Nilai default: 0,9

Jenis pengoptimal. Untuk informasi lebih lanjut tentang pengoptimal, pilih tautan yang sesuai:

Opsional

Nilai yang valid:adam,adagrad,nag,rmsprop, sgd

Nilai default: sgd

Jika disetel keTrue, rata-rata normalisasi batch dan varians dihitung atas semua sampel yang diproses di seluruh GPU.

Opsional

Nilai yang valid: True, False

Nilai default: False

Ukuran batch untuk validasi. Sebuah besar mini_batch_size biasanya menghasilkan pelatihan yang lebih cepat, tetapi mungkin menyebabkan Anda kehabisan memori. Penggunaan memori dipengaruhi oleh nilai-nilai mini_batch_size dan image_shape parameter, dan arsitektur backbone.

Opsional

Nilai yang valid: bilangan bulat positif

Nilai default: 16

Koefisien peluruhan berat untuk sgd pengoptimal. Saat Anda menggunakan pengoptimal lain, algoritme mengabaikan parameter ini.

Opsional

Nilai yang valid: 0 < float < 1

Nilai default: 0,0001