기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
하이퍼파라미터 튜닝이라고도 하는 자동 모델 튜닝은 데이터세트에 대한 광범위한 하이퍼파라미터를 테스트하는 여러 작업을 실행하여 최적의 모델 버전을 찾습니다. 튜닝 가능한 하이퍼파라미터, 각 하이퍼파라미터에 대한 값 범위 및 목표 지표를 선택합니다. 알고리즘에서 계산하는 지표 중에서 목표 지표를 선택합니다. 자동 모델 튜닝은 선택한 하이퍼파라미터를 검색하여 목표 지표를 최적화하는 모델을 만드는 값 조합을 찾습니다.
모델 튜닝에 대한 추가 정보는 SageMaker AI를 사용한 자동 모델 튜닝 섹션을 참조하세요.
Object Detection 알고리즘으로 계산되는 지표
Object Detection 알고리즘은 훈련 중 단일 지표 validation:mAP에 대해 보고합니다. 모델을 튜닝할 때 목표 지표로 이 지표를 선택합니다.
| 지표 이름 | 설명 | 최적화 방향 |
|---|---|---|
validation:mAP |
검증 세트에 대해 계산된 Mean Average Precision(mAP) |
최대화 |
튜닝 가능한 Object Detection 하이퍼파라미터
다음 하이퍼파라미터를 사용하여 Amazon SageMaker AI 객체 감지 모델을 튜닝합니다. 객체 감지 목표 지표에 가장 큰 영향을 미치는 하이퍼파라미터는 mini_batch_size, learning_rate 및 optimizer입니다.
| 파라미터 이름 | 파라미터 유형 | 권장 범위 |
|---|---|---|
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 |
