Réglage d'un modèle de segmentation sémantique - Amazon SageMaker

Réglage d'un modèle de segmentation sémantique

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 ensemble 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.

Métriques calculées par l'algorithme de segmentation sémantique

L'algorithme de segmentation sémantique signale deux métriques de validation. Lors du réglage des valeurs des hyperparamètres, choisissez l'une de ces métriques comme objectif.

Nom de la métrique Description Orientation de l'optimisation
validation:mIOU

Zone de l'intersection de la segmentation prédite et de Ground Truth divisée par la zone d'union entre elles pour les images dans l'ensemble de validation. Également appelée « Jaccard Index ».

Agrandir

validation:pixel_accuracy Pourcentage de pixels correctement classés dans les images de l'ensemble de validation.

Agrandir

Hyperparamètres réglables de la segmentation sémantique

Vous pouvez régler les hyperparamètres suivants pour l'algorithme de segmentation sémantique.

Nom du paramètre Type de paramètre Plages recommandées
learning_rate

ContinuousParameterRange

Valeur min. : 1e-4, Valeur max. : 1e-1

mini_batch_size

IntegerParameterRanges

Valeur min. : 1, valeur max. : 128

momentum

ContinuousParameterRange

Valeur min. : 0,9, Valeur max. : 0,999

optimzer

CategoricalParameterRanges

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

weight_decay

ContinuousParameterRange

Valeur min. : 1e-5, Valeur max. : 1e-3