의미 체계 분할 하이퍼파라미터

다음 표에는 네트워크 아키텍처, 데이터 입력 및 교육을 위해 Amazon SageMaker 시맨틱 분할 알고리즘이 지원하는 하이퍼파라미터가 나열되어 있습니다. CreateTrainingJob 요청의 AlgorithmName에 훈련을 위한 의미 체계 분류를 지정합니다.

네트워크 아키텍처 하이퍼파라미터

파라미터 이름 설명

파라미터 이름	설명
`backbone`	알고리즘의 인코더 구성 요소에 사용되는 백본 선택 사항 유효값: `resnet-50`, `resnet-101` 기본 값: `resnet-50`
`use_pretrained_model`	백본에 사전 훈련된 모델을 사용할지 여부 선택 사항 유효값: `True`, `False` 기본 값: `True`
`algorithm`	의미 체계 분할에 사용할 알고리즘 선택 사항 유효한 값: `fcn`: Fully-Convolutional Network(FCN) 알고리즘 `psp`: Pyramid Scene Parsing(PSP) 알고리즘 `deeplab`DeepLab : V3 알고리즘 기본 값: `fcn`

backbone

알고리즘의 인코더 구성 요소에 사용되는 백본

선택 사항

유효값: resnet-50, resnet-101

기본 값: resnet-50

use_pretrained_model

백본에 사전 훈련된 모델을 사용할지 여부

선택 사항

유효값: True, False

기본 값: True

algorithm

의미 체계 분할에 사용할 알고리즘

선택 사항

유효한 값:

fcn: Fully-Convolutional Network(FCN) 알고리즘
psp: Pyramid Scene Parsing(PSP) 알고리즘
deeplabDeepLab : V3 알고리즘

기본 값: fcn

데이터 하이퍼파라미터

파라미터 이름	설명
`num_classes`	분할할 클래스 수 필수 유효한 값: 2 ≤ 양수 ≤ 254
`num_training_samples`	훈련 데이터의 샘플 수. 이 알고리즘은 이 값을 사용하여 학습률 스케줄러를 설정합니다. 필수 유효한 값: 양수
`base_size`	자르기 전에 이미지 크기를 재조정하는 방법을 정의합니다. 긴 크기의 길이는 0.5~2.0 사이의 난수를 곱하는 `base_size`로 설정되도록 이미지 크기가 재조정되고, 종횡비를 유지하기 위해 짧은 크기가 계산됩니다. 선택 사항 유효한 값: 양수 > 16 기본값: 520
`crop_size`	훈련 중 입력 이미지의 이미지 크기. `base_size`에 따라 입력 이미지의 크기를 임의로 재조정한 다음 측면 길이 `crop_size`로 이미지를 임의의 사각형으로 자릅니다. `crop_size`는 자동으로 8의 배수로 반올림됩니다. 선택 사항 유효한 값: 양수 > 16 기본값: 240

훈련 파라미터

파라미터 이름	설명
`early_stopping`	훈련 중 조기 중지 로직 사용 여부 선택 사항 유효값: `True`, `False` 기본 값: `False`
`early_stopping_min_epochs`	실행해야 하는 최소 epoch 수 선택 사항 유효한 값: 정수 기본값: 5
`early_stopping_patience`	알고리즘이 조기 중지를 강제하기 전에 성능 저하에 대한 내결함성을 충족하는 epoch 수 선택 사항 유효한 값: 정수 기본값: 4
`early_stopping_tolerance`	훈련 작업 mIOU에서 점수의 상대적 개선이 이 값보다 작은 경우 조기 중지는 해당 epoch가 개선되지 않았다고 간주합니다. `early_stopping` = `True`인 경우에만 사용합니다. 선택 사항 유효한 값: 0 ≤ 부동 소수점 ≤ 1 기본 값: 0.0
`epochs`	훈련할 epoch 수 선택 사항 유효한 값: 양수 기본값: 10
`gamma1`	`rmsprop`에 대한 기울기 제곱의 이동 평균에 대한 감소 계수. `rmsprop`에만 사용됩니다. 선택 사항 유효한 값: 0 ≤ 부동 소수점 ≤ 1 기본 값: 0.9
`gamma2`	`rmsprop`에 대한 모멘텀 계수 선택 사항 유효한 값: 0 ≤ 부동 소수점 ≤ 1 기본 값: 0.9
`learning_rate`	초기 학습률. 선택 사항 유효한 값: 0 < 부동 소수점 ≤ 1 기본값: 0.001
`lr_scheduler`	시간에 따른 감소를 제어하는 학습률 일정의 셰이프(모양) 선택 사항 유효한 값: `step`: `lr_scheduler_step`에 의해 지정된 에포크 이후 학습률이 `lr_scheduler_factor`만큼 감소(곱하기) 되는 단계적 감쇠. `poly`: 다항 함수를 사용하는 부드러운 감소입니다. `cosine`: 코사인 함수를 사용하는 부드러운 감소입니다. 기본 값: `poly`
`lr_scheduler_factor`	`lr_scheduler`이(가) `step`(으)로 설정된 경우, `lr_scheduler_step`에 의해 지정된 각 에포크 이후 `learning_rate`을(를) 감산(곱하기) 할 비율입니다. 그렇지 않으면 무시됩니다. 선택 사항 유효한 값: 0 ≤ 부동 소수점 ≤ 1 기본값: 0.1
`lr_scheduler_step`	`learning_rate`이(가) `lr_scheduler_factor`(으)로 감소(곱하기)된 후 쉼표로 구분된 에포크 목록입니다. 예를 들어 값이 `"10, 20"`(으)로 설정된 경우 `learning-rate`은(는) 10번째 에포크 이후 `lr_scheduler_factor`만큼 감소하고, 20번째 에포크 이후 이 요소만큼 다시 감소합니다. `lr_scheduler`이(가) `step`(으)로 설정된 경우 조건부 필수. 그렇지 않으면 무시됩니다. 유효한 값: 문자열 기본값: (사용 시 값이 필요하므로 기본값은 없습니다.)
`mini_batch_size`	교육용 배치 크기. `mini_batch_size`가 크면 일반적으로 훈련 속도가 빨라지지만 메모리 부족해질 수 있습니다. 메모리 사용량은 `mini_batch_size` 및 `image_shape` 파라미터의 값과 백본 아키텍처의 영향을 받습니다. 선택 사항 유효한 값: 양수 기본값: 16
`momentum`	`sgd` 옵티마이저의 모멘텀. 다른 옵티마이저를 사용하는 경우 의미 체계 분할 알고리즘은 이 파라미터를 무시합니다. 선택 사항 유효한 값: 0 < 부동 소수점 ≤ 1 기본 값: 0.9
`optimizer`	옵티마이저 유형. 옵티마이저에 대한 자세한 내용을 보려면 해당 링크를 선택하십시오. `adam`: Adaptive Momentum Estimation `adagrad`: Adaptive gradient descent `nag`: Nesterov Accelerated Gradient `rmsprop`: Root Mean Square Propagation `sgd`: Stochastic Gradient Descent 선택 사항 유효한 값: `adam`, `adagrad`, `nag`, `rmsprop`, `sgd` 기본 값: `sgd`
`syncbn`	`True`로 설정하면 GPU에서 처리된 모든 샘플에 대한 배치 정규화 평균과 분산이 계산됩니다. 선택 사항 유효값: `True`, `False` 기본 값: `False`
`validation_mini_batch_size`	검증용 배치 크기. `mini_batch_size`가 크면 일반적으로 훈련 속도가 빨라지지만 메모리기 부족해질 수 있습니다. 메모리 사용량은 `mini_batch_size` 및 `image_shape` 파라미터의 값과 백본 아키텍처의 영향을 받습니다. 이미지를 자르지 않고 전체 이미지에 대한 검증에 점수를 매기려면 이 파라미터를 1로 설정합니다. 전에 이미지에 대한 성능을 전체적으로 측정하려면 이 옵션을 사용합니다. 참고 `validation_mini_batch_size` 파라미터를 1로 설정하면 이 알고리즘이 모든 이미지에 대해 새 네트워크 모델을 생성합니다. 하지만 검증 및 훈련 속도가 느려질 수 있습니다. 평가 중 `crop_size` 파라미터에 지정된 크기로 이미지를 자르려면 이 파라미터를 1보다 큰 값으로 설정합니다. 선택 사항 유효한 값: 양수 기본값: 16
`weight_decay`	`sgd` 옵티마이저에 대한 가중치 감소 계수. 다른 옵티마이저를 사용하는 경우 이 알고리즘은 이 파라미터를 무시합니다. 선택 사항 유효한 값: 0 < 부동 소수점 < 1 기본값: 0.0001

javascript가 브라우저에서 비활성화되거나 사용이 불가합니다.

AWS 설명서를 사용하려면 Javascript가 활성화되어야 합니다. 지침을 보려면 브라우저의 도움말 페이지를 참조하십시오.

문서 규칙

의미 체계 분할

모델 튜닝

의미 체계 분할 하이퍼파라미터

참고