优化对象检测模型 - Amazon SageMaker
AWS 文档中描述的 AWS 服务或功能可能因区域而异。要查看适用于中国区域的差异,请参阅中国的 AWS 服务入门

本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。

优化对象检测模型

自动模型优化(也称作超参数优化)通过运行很多在数据集上测试一系列超参数的作业来查找模型的最佳版本。您可以选择可优化超参数、每个超参数的值范围和一个目标指标。您可以从算法计算的指标中选择目标指标。自动模型优化将搜索所选超参数以找到导致优化目标指标的模型的值组合。

有关模型优化的更多信息,请参阅执行自动模型优化

对象检测算法计算的指标

对象检测算法在训练期间报告单个指标: validation:mAP。 在优化模型时,请选择此指标作为目标指标。

指标名称 Description 优化方向
validation:mAP

对验证集计算的平均精度 (mAP)。

最大化

可优化对象检测超参数

使用以下超参数优化 Amazon SageMaker 对象检测模型。对对象检测目标指标影响最大的超参数包括: mini_batch_sizelearning_rateoptimizer

参数名称 参数类型 建议的范围
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