Ajustando um modelo de segmentação de semântica
O ajuste automático de modelos, também conhecido como ajuste de hiperparâmetros, localiza a melhor versão de um modelo executando vários trabalhos que testam uma série de hiperparâmetros no seu conjunto de dados. Você escolhe os hiperparâmetros ajustáveis, um intervalo de valores para cada um e uma métrica objetiva. Você escolhe a métrica objetiva entre as métricas que o algoritmo calcula. O ajuste de modelo automático pesquisa os hiperparâmetros escolhidos para encontrar a combinação de valores que resultam no modelo que otimiza a métrica objetiva.
Métricas calculadas pelo algoritmo de segmentação de semântica
O algoritmo de segmentação de semântica relata duas métricas de validação. Ao ajustar os valores de hiperparâmetros, escolha uma dessas métricas como o objetivo.
| Nome da métrica | Descrição | Direção de otimização |
|---|---|---|
validation:mIOU |
A área da interseção da segmentação prevista e da veracidade dividida pela área de união entre elas para imagens no conjunto de validação. Também conhecida como índice de Jaccard. |
Maximizar |
validation:pixel_accuracy |
A porcentagem de pixels que são classificados corretamente nas imagens do conjunto de validação. |
Maximizar |
Hiperparâmetros ajustáveis de segmentação de semântica
Você pode ajustar os hiperparâmetros a seguir para o algoritmo de segmentação de semântica.
| Nome do parâmetro | Tipo de parâmetro | Intervalos recomendados |
|---|---|---|
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 |
