의미 체계 분할 모델 조정

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.

의미 체계 분할 알고리즘으로 계산된 지표

의미 체계 분할 알고리즘은 두 개의 검증 지표를 보고합니다. 하이퍼파라미터 값을 튜닝할 때 목표 지표로 이 지표 중 하나를 선택합니다.

지표 이름	설명	최적화 방향
validation:mIOU	예측된 세그먼트화와 실측 데이터의 교집합 영역을 검증 세트에 있는 이미지의 합체 면적으로 나눈 값입니다. 자카드 지수라고도 합니다.	최대화
validation:pixel_accuracy	검증 세트의 이미지에서 올바르게 분류된 픽셀의 백분율입니다.	최대화

튜닝 가능한 의미 체계 분할 하이퍼파라미터

의미 체계 분할 알고리즘에 대한 다음 하이퍼파라미터를 튜닝할 수 있습니다.

파라미터 이름	파라미터 유형	권장 범위
learning_rate	ContinuousParameterRange	MinValue: 1e-4,: 1e-1 MaxValue
mini_batch_size	IntegerParameterRanges	MinValue: 1,: 128 MaxValue
momentum	ContinuousParameterRange	MinValue: 0.9, MaxValue: 0.999
optimzer	CategoricalParameterRanges	['sgd', 'adam', 'adadelta']
weight_decay	ContinuousParameterRange	MinValue: 1e-5,: 1e-3 MaxValue