Ajuste de un modelo de segmentación semántica

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.

Métricas calculadas por el algoritmo de segmentación semántica

El algoritmo de segmentación semántica informa de dos métricas de validación. Al ajustar los valores de hiperparámetros, elija una de estas métricas como objetivo.

Nombre de métrica	Descripción	Dirección de optimización
validation:mIOU	El área de la intersección de la segmentación prevista y la verdad del terreno dividida por el área de unión entre ellas para las imágenes del conjunto de validación. También conocido como índice Jaccard.	Maximizar
validation:pixel_accuracy	El porcentaje de píxeles que se clasifican correctamente en las imágenes del conjunto de validación.	Maximizar

Hiperparámetros de segmentación semántica ajustables

Puede ajustar los siguientes hiperparámetros para el algoritmo de segmentación semántica.

Nombre del parámetro	Tipo de parámetro	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