翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

オブジェクト検出モデルを調整する TensorFlow

自動モデル調整は、ハイパーパラメータ調整とも呼ばれ、データセットのさまざまなハイパーパラメータをテストする多数のジョブを実行して、モデルの最適なバージョンを見つけます。調整可能なハイパーパラメータ、それぞれの値の範囲、および目標メトリクスを選択します。アルゴリズムが計算するメトリクスから目標メトリクスを選択します。自動モデル調整は、選択されたハイパーパラメータを検索して、目標メトリクスを最適化するモデルになる値の組み合わせを見つけます。

モデル調整の詳細については、「でモデルの自動チューニングを実行する SageMaker」を参照してください。

オブジェクト検出によって計算されたメトリクス - TensorFlow アルゴリズム

オブジェクト検出 TensorFlow アルゴリズムによって計算されるメトリクスについては、次のグラフを参照してください。

調整可能なオブジェクト検出 - TensorFlow ハイパーパラメータ

以下のハイパーパラメータを使用してオブジェクト検出モデルを調整します。オブジェクト検出の目標メトリクスに最も大きな影響を与えるハイパーパラメータは、batch_size、learning_rate、および optimizer です。選択した optimizer に基づいて、momentum、regularizers_l2、beta_1、beta_2、eps などのオプティマイザ関連のハイパーパラメータを調整します。たとえば、adam が optimizer である場合にのみ beta_1 と beta_2 を使用します。

各 optimizer で使用されるハイパーパラメータの詳細については、「オブジェクト検出 - TensorFlow ハイパーパラメータ」を参照してください。