Wählen Sie Ihre Cookie-Einstellungen aus

Wir verwenden essentielle Cookies und ähnliche Tools, die für die Bereitstellung unserer Website und Services erforderlich sind. Wir verwenden Performance-Cookies, um anonyme Statistiken zu sammeln, damit wir verstehen können, wie Kunden unsere Website nutzen, und Verbesserungen vornehmen können. Essentielle Cookies können nicht deaktiviert werden, aber Sie können auf „Anpassen“ oder „Ablehnen“ klicken, um Performance-Cookies abzulehnen.

Wenn Sie damit einverstanden sind, verwenden AWS und zugelassene Drittanbieter auch Cookies, um nützliche Features der Website bereitzustellen, Ihre Präferenzen zu speichern und relevante Inhalte, einschließlich relevanter Werbung, anzuzeigen. Um alle nicht notwendigen Cookies zu akzeptieren oder abzulehnen, klicken Sie auf „Akzeptieren“ oder „Ablehnen“. Um detailliertere Entscheidungen zu treffen, klicken Sie auf „Anpassen“.

Optimierung eines semantischen Segmentierungsmodells

Fokusmodus
Optimierung eines semantischen Segmentierungsmodells - Amazon SageMaker KI

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Die automatische Modelloptimierung, auch bekannt als Hyperparameteroptimierung, sucht die beste Version eines Modells, indem viele Aufträge ausgeführt werden, die einen Bereich von Hyperparametern in Ihrem Datensatz testen. Sie wählen die optimierbaren Hyperparameter, eine Reihe von Werten für jeden Parameter und eine objektive Metrik aus. Sie wählen die objektive Metrik aus den Metriken aus, die der Algorithmus berechnet. Die automatische Modelloptimierung durchsucht die ausgewählten Hyperparameter nach der Kombination von Werten, die das Modell ergeben, das die objektive Metrik optimiert.

Mit dem semantischen Segmentierungsalgorithmus berechnete Metriken

Der semantische Segmentierungsalgorithmus meldet zwei Validierungsmetriken. Wenn Sie die Hyperparameterwerte optimieren, wählen Sie diese Metrik als Ziel aus.

Metrikname Beschreibung Optimierungsrichtung
validation:mIOU

Bei Bildern im Validierungssatz wird die Fläche des Schnittpunkts zwischen der vorhergesagten Segmentierung und der Ground-Truth geteilt durch den Bereich, in dem sie zusammengeführt werden. Wird auch als Jaccard-Index bezeichnet.

Maximieren

validation:pixel_accuracy Der Prozentsatz der Pixel, die in Bildern aus dem Validierungssatz korrekt klassifiziert wurden.

Maximieren

Optimierbare semantische Segmentierungshyperparameter

Sie können die folgenden Hyperparameter für sie semantische Segmentierung optimieren.

Name des Parameters Parametertyp Empfohlene Bereiche
learning_rate

ContinuousParameterRange

MinValue: 1e-4,: 1e-1 MaxValue

mini_batch_size

IntegerParameterRanges

MinValue: 1,: 128 MaxValue

momentum

ContinuousParameterRange

MinValue: 0,9, MaxValue: 0,99

optimzer

CategoricalParameterRanges

['sgd', 'adam', 'adadelta']

weight_decay

ContinuousParameterRange

MinValue: 1e-5,: 1e-3 MaxValue

DatenschutzNutzungsbedingungen für die WebsiteCookie-Einstellungen
© 2025, Amazon Web Services, Inc. oder Tochtergesellschaften. Alle Rechte vorbehalten.