セマンティックセグメンテーションハイパーパラメータ

次の表は、ネットワークアーキテクチャ、データ入力、トレーニングのために Amazon SageMaker セマンティックセグメンテーションアルゴリズムでサポートされているハイパーパラメータの一覧です。CreateTrainingJob リクエストの AlgorithmName でトレーニング用のセマンティックセグメンテーションを指定します。

ネットワークアーキテクチャーハイパーパラメータ

Parameter Name	説明
backbone	アルゴリズムのエンコーダーコンポーネントに使用するバックボーン。 オプション 有効な値: resnet-50、resnet-101 デフォルト値: resnet-50
use_pretrained_model	バックボーンに事前トレーニング済みモデルを使用するかどうか。 オプション 有効な値: True、False デフォルト値: True
algorithm	セマンティックセグメンテーションに使用するアルゴリズム。 オプション 有効値: fcn: 完全畳み込みネットワーク (FCN) アルゴリズム psp: ピラミッドシーン解析 (PSP) アルゴリズム deeplab: DeepLab V3 アルゴリズム デフォルト値: fcn

データハイパーパラメータ

Parameter Name	説明
num_classes	セグメント化するクラスの数。 必須 有効な値: 2 ≤ 正の整数 ≤ 254
num_training_samples	トレーニングデータのサンプル数。アルゴリズムはこの値を使用して、学習レートスケジューラを設定します。 必須 有効な値: 正の整数
base_size	トリミング前にイメージを拡大縮小し直す方法を定義します。イメージは拡大縮小し直され、ロングサイズの長さが 0.5 ～ 2.0 の乱数で乗算された base_size に設定されて、ショートサイズがアスペクト比を維持して計算されます。 オプション 有効な値: 正の整数 > 16 デフォルト値: 520
crop_size	トレーニング中の入力イメージのサイズ。入力イメージを、base_size に基づいてランダムに拡大縮小し直し、辺の長さが crop_size に等しいランダム正方形トリミングを行います。crop_size は、自動的に 8 の倍数に切り上げられます。 オプション 有効な値: 正の整数 > 16 デフォルト値: 240

トレーニングハイパーパラメータ

Parameter Name	説明
early_stopping	トレーニング中に早期停止ロジックを使用するかどうか。 オプション 有効な値: True、False デフォルト値: False
early_stopping_min_epochs	実行する必要のあるエポックの最小数。 オプション 有効な値: 整数 デフォルト値: 5
early_stopping_patience	アルゴリズムが早期停止を強制する前に低パフォーマンスの許容範囲を満たすエポックの数。 オプション 有効な値: 整数 デフォルト値: 4
early_stopping_tolerance	mIOU の相対的な改善がこの値より小さい場合、早期停止はエポックの改善がないと見なします。これは early_stopping = True の場合にのみ使用されます。 オプション 有効な値: 0 ≤ 浮動小数点数 ≤ 1 デフォルト値: 0.0
epochs	トレーニングするエポック数。 オプション 有効な値: 正の整数 デフォルト値: 10
gamma1	rmsprop の 2 乗勾配の移動平均に使用される減衰係数。rmsprop にのみ使用されます。 オプション 有効な値: 0 ≤ 浮動小数点数 ≤ 1 デフォルト値: 0.9
gamma2	rmsprop のモーメンタム係数。 オプション 有効な値: 0 ≤ 浮動小数点数 ≤ 1 デフォルト値: 0.9
learning_rate	最初の学習レート。 オプション 有効な値: 0 < 浮動小数点数 ≤ 1 デフォルト値: 0.001
lr_scheduler	経時減少を制御する学習レートスケジュールの形状。 オプション 有効値: step: 段階的な減衰。学習レートは lr_scheduler_step で指定されたエポック後に lr_scheduler_factor ずつ減算 (乗算) されます。 poly: 多項式関数を使用した滑らかな減衰。 cosine: 余弦関数を使用した滑らかな減衰。 デフォルト値: poly
lr_scheduler_factor	lr_scheduler が step に設定される場合、lr_scheduler_step で指定された各エポック後に learning_rate ずつ減算 (乗算) する比率。それ以外の場合は無視されます。 オプション 有効な値: 0 ≤ 浮動小数点数 ≤ 1 デフォルト値: 0.1
lr_scheduler_step	エポックのカンマ区切りのエポックのリスト。このエポックの後、learning_rate は lr_scheduler_factor だけ減算 (乗算) されます。例えば、値が "10, 20" に設定されている場合、learning-rate は 10 番目のエポックの後に lr_scheduler_factor だけ減算され、20 番目のエポックの後に再びこの係数だけ減算されます。 lr_scheduler が step に設定されると、条件付きで必須です。それ以外の場合は無視されます。 有効な値: 文字列 デフォルト値: (使用時に値が必須であるため、デフォルトはありません)
mini_batch_size	トレーニングのバッチサイズ。大きな mini_batch_size を使用すると通常、トレーニングは加速しますが、メモリ不足が起きる可能性があります。メモリ使用量は、mini_batch_size パラメータと image_shape パラメータの値、およびバックボーンアーキテクチャーの影響を受けます。 オプション 有効な値: 正の整数 デフォルト値: 16
momentum	オプティマイザのsgdモーメンタム。他のオプティマイザを使用すると、セマンティックセグメンテーションアルゴリズムはこのパラメータを無視します。 オプション 有効な値: 0 < 浮動小数点数 ≤ 1 デフォルト値: 0.9
optimizer	オプティマイザのタイプ。オプティマイザの詳細については、該当するリンクを選択してください。 adam: アダプティブモーメンタム推定 adagrad: 適応勾配降下法 nag: ネステロフ加速勾配 rmsprop: 二乗平均平方根の伝搬 sgd: 確率的勾配降下法 オプション 有効な値:adam、adagrad、nag、rmsprop、sgd デフォルト値: sgd
syncbn	True に設定されている場合、バッチの正規化平均と分散は、GPU 全体で処理されたすべてのサンプルに対して計算されます。 オプション 有効な値: True、False デフォルト値: False
validation_mini_batch_size	検証用のバッチサイズ。mini_batch_size が大きいと通常、トレーニングは加速しますが、メモリ不足が起きる可能性があります。メモリ使用量は、mini_batch_size パラメータと image_shape パラメータの値、およびバックボーンアーキテクチャーの影響を受けます。 イメージをトリミングせずにイメージ全体の検証をスコアリングするには、このパラメータを 1 に設定します。イメージ全体のパフォーマンスを全体として測定する場合は、このオプションを使用します。 注記 validation_mini_batch_size パラメータを 1 に設定すると、アルゴリズムはすべてのイメージに対して新しいネットワークモデルを作成します。これにより、検証とトレーニングが低速化する可能性があります。 評価中であっても、crop_size パラメータで指定されたサイズになるようにイメージをトリミングするには、このパラメータを 1 より大きい値に設定します。 オプション 有効な値: 正の整数 デフォルト値: 16
weight_decay	sgd オプティマイザの重み減衰係数。他のオプティマイザを使用すると、アルゴリズムはこのパラメータを無視します。 オプション 有効な値: 0 < 浮動小数点数 < 1 デフォルト値: 0.0001