本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。
优化对象检测模型
自动模型优化(也称作超参数优化)通过运行很多在数据集上测试一系列超参数的作业来查找模型的最佳版本。您可以选择可优化超参数、每个超参数的值范围和一个目标指标。您可以从算法计算的指标中选择目标指标。自动模型优化将搜索所选超参数以找到导致优化目标指标的模型的值组合。
有关模型优化的更多信息,请参阅自动调整模型 SageMaker。
对象检测算法计算的指标
对象检测算法在训练期间报告单个指标:validation:mAP
。在优化模型时,选择此指标作为目标指标。
指标名称 | 描述 | 优化方向 |
---|---|---|
validation:mAP |
对验证集计算的平均精度 (mAP)。 |
最大化 |
可优化对象检测超参数
使用以下超参数调整 Amazon SageMaker 对象检测模型。对对象检测目标指标影响最大的超参数包括:mini_batch_size
、learning_rate
和 optimizer
。
参数名称 | 参数类型 | 建议的范围 |
---|---|---|
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 |