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。
セマンティックセグメンテーションモデルの調整
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。
セマンティックセグメンテーションアルゴリズムによって計算されたメトリクス
セマンティックセグメンテーションアルゴリズムは、2 つの検証メトリクスについて報告します。ハイパーパラメータ値を調整する場合は、目標としてこれらのメトリクスから選択します。
メトリクス名 | 説明 | 最適化の方向 |
---|---|---|
validation:mIOU |
検証セット内のイメージについて、予測されたセグメンテーションと Ground Truth の交点の領域を、検証セット内のイメージに対してそれらの間の総合の面積で割った面積。Jaccard インデックスとも呼ばれます。 |
最大化 |
validation:pixel_accuracy |
検証セットのイメージで正しく分類されているピクセルの割合。 |
最大化 |
調整可能なセマンティックセグメンテーションハイパーパラメータ
セマンティックセグメンテーションアルゴリズムの次のハイパーパラメータを調整できます。
Parameter Name | パラメータタイプ | 推奨範囲 |
---|---|---|
learning_rate |
ContinuousParameterRange |
MinValue: 1e-4、 MaxValue: 1e-1 |
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、 MaxValue: 1e-3 |