객체 감지 모델 튜닝

하이퍼파라미터 튜닝이라고도 하는 자동 모델 튜닝은 데이터 세트에 대한 광범위한 하이퍼파라미터를 테스트하는 여러 작업을 실행하여 최적의 모델 버전을 찾습니다. 튜닝 가능한 하이퍼파라미터, 각 하이퍼파라미터에 대한 값 범위 및 목표 지표를 선택합니다. 알고리즘에서 계산하는 지표 중에서 목표 지표를 선택합니다. 자동 모델 튜닝은 선택한 하이퍼파라미터를 검색하여 목표 지표를 최적화하는 모델을 만드는 값 조합을 찾습니다.

모델 튜닝에 대한 자세한 정보는 다음을 사용하여 자동 모델 튜닝을 수행합니다. SageMaker 단원을 참조하십시오.

Object Detection 알고리즘으로 계산되는 지표

Object Detection 알고리즘은 훈련 중 단일 지표 validation:mAP에 대해 보고합니다. 모델을 튜닝할 때 목표 지표로 이 지표를 선택합니다.

지표 이름	설명	최적화 방향
validation:mAP	검증 세트에 대해 계산된 Mean Average Precision(mAP)	최대화

튜닝 가능한 Object Detection 하이퍼파라미터

다음 하이퍼파라미터를 사용하여 Amazon SageMaker 객체 감지 모델을 튜닝합니다. 객체 감지 목표 지표에 가장 큰 영향을 미치는 하이퍼파라미터는 mini_batch_size, learning_rate 및 optimizer입니다.

파라미터 이름	파라미터 유형	권장 범위
learning_rate	ContinuousParameterRange	MinValue: 1e-6, MaxValue: 0.5
mini_batch_size	IntegerParameterRanges	MinValue: 8, MaxValue: 64
momentum	ContinuousParameterRange	MinValue: 0.0, MaxValue: 0.999
optimizer	CategoricalParameterRanges	['sgd', 'adam', 'rmsprop', 'adadelta']
weight_decay	ContinuousParameterRange	MinValue: 0.0, MaxValue: 0.999