オブジェクト検出 TensorFlow モデルを調整する

自動モデル調整は、ハイパーパラメータ調整とも呼ばれ、データセットのさまざまなハイパーパラメータをテストする多数のジョブを実行して、モデルの最適なバージョンを見つけます。調整可能なハイパーパラメータ、それぞれの値の範囲、および目標メトリクスを選択します。アルゴリズムが計算するメトリクスから目標メトリクスを選択します。自動モデル調整は、選択されたハイパーパラメータを検索して、目標メトリクスを最適化するモデルになる値の組み合わせを見つけます。

モデル調整の詳細については、「を使用した自動モデル調整 SageMaker」を参照してください。

オブジェクト検出 - TensorFlow アルゴリズムによって計算されるメトリクス

オブジェクト検出アルゴリズムによって計算されるメトリクスについては、次の表を参照してください TensorFlow 。

メトリクス名	説明	最適化の方向	正規表現パターン
validation:localization_loss	ボックス予測におけるローカリゼーションの損失。	最小化	Val_localization=([0-9\\.]+)

調整可能なオブジェクト検出 - TensorFlow ハイパーパラメータ

以下のハイパーパラメータを使用してオブジェクト検出モデルを調整します。オブジェクト検出の目標メトリクスに最も大きな影響を与えるハイパーパラメータは、batch_size、learning_rate、および optimizer です。選択した optimizer に基づいて、momentum、regularizers_l2、beta_1、beta_2、eps などのオプティマイザ関連のハイパーパラメータを調整します。たとえば、adam が optimizer である場合にのみ beta_1 と beta_2 を使用します。

各 optimizer で使用されるハイパーパラメータの詳細については、「オブジェクト検出 - TensorFlow ハイパーパラメータ」を参照してください。

Parameter Name	パラメータタイプ	推奨範囲
batch_size	IntegerParameterRanges	MinValue: 8、 MaxValue: 512
beta_1	ContinuousParameterRanges	MinValue: 1e-6、 MaxValue: 0.999
beta_2	ContinuousParameterRanges	MinValue: 1e-6、 MaxValue: 0.999
eps	ContinuousParameterRanges	MinValue: 1e-8、 MaxValue: 1.0
learning_rate	ContinuousParameterRanges	MinValue: 1e-6、 MaxValue: 0.5
momentum	ContinuousParameterRanges	MinValue: 0.0、 MaxValue: 0.999
optimizer	CategoricalParameterRanges	['sgd', ‘adam’, ‘rmsprop’, 'nesterov', 'adagrad', 'adadelta']
regularizers_l2	ContinuousParameterRanges	MinValue: 0.0、 MaxValue: 0.999
train_only_on_top_layer	CategoricalParameterRanges	['True', 'False']
initial_accumulator_value	CategoricalParameterRanges	MinValue: 0.0、 MaxValue: 0.999