Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Menyetel Model Segmentasi Semantik
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.
Metrik yang Dihitung oleh Algoritma Segmentasi Semantik
Algoritma segmentasi semantik melaporkan dua metrik validasi. Saat menyetel nilai hyperparameter, pilih salah satu metrik ini sebagai tujuannya.
| Nama Metrik | Deskripsi | Arah Optimasi |
|---|---|---|
validation:mIOU |
Area persimpangan segmentasi yang diprediksi dan kebenaran dasar dibagi dengan area penyatuan di antara mereka untuk gambar dalam set validasi. Juga dikenal sebagai Jaccard Index. |
Maksimalkan |
validation:pixel_accuracy |
Persentase piksel yang diklasifikasikan dengan benar dalam gambar dari set validasi. |
Maksimalkan |
Hiperparameter Segmentasi Semantik yang Dapat Disetel
Anda dapat menyetel hyperparameters berikut untuk algoritma segmentasi semantik.
| Nama Parameter | Jenis Parameter | Rentang yang Direkomendasikan |
|---|---|---|
learning_rate |
ContinuousParameterRange |
MinValue: 1e-4,: 1e-1 MaxValue |
mini_batch_size |
IntegerParameterRanges |
MinValue: 1, MaxValue: 128 |
momentum |
ContinuousParameterRange |
MinValue: 0,9, MaxValue: 0,999 |
optimzer |
CategoricalParameterRanges |
['sgd', 'adam', 'adadelta'] |
weight_decay |
ContinuousParameterRange |
MinValue: 1e-5,: 1e-3 MaxValue |
