기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# 객체 감지 - TensorFlow 모델 튜닝
<a name="object-detection-tensorflow-tuning"></a>

하이퍼파라미터 튜닝이라고도 하는 자동 모델 튜닝은 데이터세트에 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 추가 정보는 [SageMaker AI로 자동 모델 튜닝](automatic-model-tuning.md) 섹션을 참조하세요.

## 객체 감지 - TensorFlow 알고리즘으로 계산한 지표
<a name="object-detection-tensorflow-metrics"></a>

객체 감지 - TensorFlow 알고리즘으로 어떤 지표를 계산하는지 알아보려면 다음 차트를 참조하세요.


| 지표 이름 | 설명 | 최적화 방향 | Regex 패턴 | 
| --- | --- | --- | --- | 
| validation:localization\$1loss | 상자 예측의 현지화 손실률입니다. | 최소화 | `Val_localization=([0-9\\.]+)` | 

## 튜닝 가능한 객체 감지 - TensorFlow 하이퍼파라미터
<a name="object-detection-tensorflow-tunable-hyperparameters"></a>

다음 하이퍼파라미터를 사용하여 객체 감지 모델을 튜닝하세요. 객체 감지 목표 지표에 가장 큰 영향을 미치는 하이퍼파라미터는 `batch_size`, `learning_rate`, `optimizer`입니다. 선택한 `optimizer`에 따라 최적화 프로그램 관련 하이퍼파라미터(예: `momentum`, `regularizers_l2`, `beta_1`, `beta_2`, `eps`)를 튜닝하세요. 예를 들어, `adam`이 `optimizer`인 경우에만 `beta_1` 및 `beta_2`를 사용합니다.

각 `optimizer`에 사용되는 하이퍼파라미터의 유형에 대한 자세한 내용은 [객체 감지 - TensorFlow 하이퍼파라미터](object-detection-tensorflow-Hyperparameter.md)를 참조하세요.


| 파라미터 이름 | 파라미터 유형 | 권장 범위 | 
| --- | --- | --- | 
| batch\$1size | IntegerParameterRanges | MinValue: 8, MaxValue: 512 | 
| beta\$11 | ContinuousParameterRanges | MinValue: 1e-6, MaxValue: 0.999 | 
| beta\$12 | ContinuousParameterRanges | MinValue: 1e-6, MaxValue: 0.999 | 
| eps | ContinuousParameterRanges | MinValue: 1e-8, MaxValue: 1.0 | 
| learning\$1rate | ContinuousParameterRanges | MinValue: 1e-6, MaxValue: 0.5 | 
| momentum | ContinuousParameterRanges | MinValue: 0.0, MaxValue: 0.999 | 
| optimizer | CategoricalParameterRanges | ['sgd', ‘adam’, ‘rmsprop’, 'nesterov', 'adagrad', 'adadelta'] | 
| regularizers\$1l2 | ContinuousParameterRanges | MinValue: 0.0, MaxValue: 0.999 | 
| train\$1only\$1on\$1top\$1layer | CategoricalParameterRanges | ['True', 'False'] | 
| initial\$1accumulator\$1value | CategoricalParameterRanges | MinValue: 0.0, MaxValue: 0.999 |