Ajuste de un modelo de detección de objetos

El ajuste de modelo automático, también conocido como ajuste de hiperparámetros, encuentra la mejor versión de un modelo ejecutando muchas tareas que probar una serie de hiperparámetros en su conjunto de datos. Usted elige los hiperparámetros que pueden ajustarse, un rango de valores para cada uno de ellos y una métrica objetiva. Puede elegir la métrica objetiva de las métricas que el algoritmo computa. El ajuste de modelo automático busca los hiperparámetros elegidos para encontrar la combinación de valores que obtienen el modelo que optimiza la métrica objetiva.

Para obtener más información acerca del ajuste de modelos, consulte Realice un ajuste automático del modelo con SageMaker.

Métricas calculadas por el algoritmo de detección de objetos

El algoritmo de detección de objetos informa sobre una única métrica durante la capacitación: validation:mAP. Al ajustar un modelo, elija esta métrica como la métrica objetivo.

Nombre de métrica	Descripción	Dirección de optimización
validation:mAP	Precisión media ponderada (mAP) calculada en el conjunto de validación.	Maximizar

Hiperparámetros de detección de objetos ajustables

Ajuste el modelo de detección de SageMaker objetos de Amazon con los siguientes hiperparámetros. Los hiperparámetros que tienen el mayor impacto sobre la métrica objetivo de detección de objetos son: mini_batch_size, learning_rate y optimizer.

Nombre del parámetro	Tipo de parámetro	Intervalos recomendados
learning_rate	ContinuousParameterRange	MinValue: 1e-6,: 0.5 MaxValue
mini_batch_size	IntegerParameterRanges	MinValue: 8, 64 MaxValue
momentum	ContinuousParameterRange	MinValue: 0,0, MaxValue 0,999
optimizer	CategoricalParameterRanges	['sgd', 'adam', 'rmsprop', 'adadelta']
weight_decay	ContinuousParameterRange	MinValue: 0,0, MaxValue 0,999