Hiperparâmetros de Segmentação semântica

O backbone a ser usado para o componente codificador do algoritmo.

Opcional

Valores válidos: resnet-50, resnet-101

Valor padrão: resnet-50

Se um modelo pré-treinado deve ou não ser usado para o backbone.

Opcional

Valores válidos: True, False

Valor padrão: True

O algoritmo a ser usado para a segmentação semântica.

Opcional

Valores válidos:

Valor padrão: fcn

O número de classes para segmentar.

Obrigatório

Valores válidos: 2 ≤ número inteiro positivo ≤ 254

O número de amostras nos dados de treinamento. O algoritmo usa esse valor para configurar o planejador de taxa de aprendizagem.

Obrigatório

Valores válidos: inteiro positivo

Define como as imagens são redimensionadas antes do corte. As imagens são redimensionadas de modo que o comprimento de tamanho longo é definido como base_size multiplicado por um número aleatório de 0,5 a 2,0, e o tamanho curto é calculado para preservar a proporção.

Opcional

Valores válidos: número inteiro positivo > 16

Valor padrão: 520

O tamanho de imagem para entrada durante o treinamento. Redimensionamos aleatoriamente a imagem de entrada com base em base_size e, depois, fazemos um corte quadrado aleatório com comprimento lateral igual a crop_size. Os crop_size serão arredondados automaticamente para múltiplos de 8.

Opcional

Valores válidos: número inteiro positivo > 16

Valor padrão: 240

Se a lógica de interrupção precoce deve ou não ser usada durante o treinamento.

Opcional

Valores válidos: True, False

Valor padrão: False

O número mínimo de epochs que devem ser executados.

Opcional

Valores válidos: inteiro

Valor padrão: 5

O número de epochs que atendem à tolerância de desempenho inferior antes que o algoritmo imponha uma interrupção precoce.

Opcional

Valores válidos: inteiro

Valor padrão: 4

Se a melhoria relativa da pontuação do trabalho de treinamento, mIOU, for menor que esse valor, a interrupção precoce considerará que o epoch não melhorou. Usado apenas quando early_stopping = True.

Opcional

Valores válidos: 0 ≤ flutuante ≤ 1

Valor padrão: 0.0

O número de epochs com os quais treinar.

Opcional

Valores válidos: inteiro positivo

Valor padrão: 10

O fator de degradação para a média móvel do gradiente quadrado para rmsprop. Usado apenas para rmsprop.

Opcional

Valores válidos: 0 ≤ flutuante ≤ 1

Valor padrão: 0.9

O fator de dinâmica para rmsprop.

Opcional

Valores válidos: 0 ≤ flutuante ≤ 1

Valor padrão: 0.9

A taxa de aprendizagem inicial.

Opcional

Valores válidos: 0 < flutuante ≤ 1

Valor padrão: 0.001

A forma do cronograma de taxa de aprendizagem que controla sua diminuição ao longo do tempo.

Opcional

Valores válidos:

Valor padrão: poly

Se lr_scheduler estiver definido como step, a proporção pela qual reduzir (multiplicar) o learning_rate após cada uma dos epochs especificados pelo lr_scheduler_step. Caso contrário, ele será ignorado.

Opcional

Valores válidos: 0 ≤ flutuante ≤ 1

Valor padrão: 0.1

Uma lista delimitada por vírgula dos epochs após os quais a learning_rate é reduzida (multiplicada) por um lr_scheduler_factor. Por exemplo, se o valor for definido como "10, 20", a learning-rate será reduzida pelo lr_scheduler_factor após o 10º epoch e novamente por esse fator após o 20º epoch.

Obrigatório condicionalmente se o lr_scheduler estiver definido como step. Caso contrário, ele será ignorado.

Valores válidos: string

Valor padrão: (Sem padrão, pois o valor é obrigatório quando usado.)

O tamanho do lote para treinamento. Usar um mini_batch_size grande geralmente resulta em um treinamento mais rápido, mas pode causar falta de memória. O uso da memória é afetado pelos valores dos parâmetros mini_batch_size e image_shape, e da arquitetura de backbone.

Opcional

Valores válidos: inteiro positivo

Valor padrão: 16

A dinâmica do otimizador sgd. Quando você usa outros otimizadores, o algoritmo de segmentação semântica ignora esse parâmetro.

Opcional

Valores válidos: 0 < flutuante ≤ 1

Valor padrão: 0.9

O tipo de otimizador. Para obter mais informações sobre um otimizador, escolha o link apropriado:

Opcional

Valores válidos: adam, adagrad, nag, rmsprop, sgd

Valor padrão: sgd

Se definido como True, a média e a variância da normalização do lote são calculadas em todas as amostras processadas nas GPUs.

Opcional

Valores válidos: True, False

Valor padrão: False

O tamanho do lote para validação. Um mini_batch_size grande geralmente resulta em um treinamento mais rápido, mas pode causar falta de memória. O uso da memória é afetado pelos valores dos parâmetros mini_batch_size e image_shape, e da arquitetura de backbone.

Opcional

Valores válidos: inteiro positivo

Valor padrão: 16

O coeficiente de degradação do peso do otimizador sgd. Quando você usa outros otimizadores, o algoritmo ignora esse parâmetro.

Opcional

Valores válidos: 0 < flutuante < 1

Valor padrão: 0.0001