Régler un modèle de détection d'objet

Le réglage de modèle automatique, ou réglage d'hyperparamètre, détecte la meilleure version d'un modèle en exécutant plusieurs tâches qui testent une plage d'hyperparamètres sur votre jeu de données. Vous choisissez les hyperparamètres réglables, une plage de valeurs pour chacun d'eux et une métrique d'objectif. Vous choisissez la métrique d'objectif parmi les métriques que calcule l'algorithme. Le réglage de modèle automatique recherche parmi les hyperparamètres choisis la combinaison de valeurs qui produira un modèle permettant d'optimiser la métrique d'objectif.

Pour plus d'informations sur le réglage de modèle, consultez Effectuez le réglage automatique du modèle avec SageMaker.

Métriques calculées par l'algorithme de détection d'objet

L'algorithme de détection d'objet ne rend compte que d'une seule métrique pendant l'entraînement : validation:mAP. Lors du réglage d'un modèle, choisissez cette métrique comme métrique d'objectif.

Nom de la métrique	Description	Orientation de l'optimisation
validation:mAP	Précision mAP (Mean Average Precision) calculée sur l'ensemble de validation.	Agrandir

Hyper-paramètres réglables de la détection d'objet

Personnalisez le modèle de détection d'objets Amazon SageMaker avec les hyperparamètres suivants. Les hyperparamètres qui ont le plus d'impact sur la métrique d'objectif de détection d'objet sont : mini_batch_size, learning_rate et optimizer.

Nom du paramètre	Type de paramètre	Plages recommandées
learning_rate	ContinuousParameterRange	Valeur min. : 1e-6, Valeur max. : 0,5
mini_batch_size	IntegerParameterRanges	Valeur min. : 8, valeur max. : 64
momentum	ContinuousParameterRange	Valeur min. : 0, Valeur max. : 0,999
optimizer	CategoricalParameterRanges	['sgd', 'adam', 'rmsprop', 'adadelta']
weight_decay	ContinuousParameterRange	Valeur min. : 0, Valeur max. : 0,999