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

# 의미 체계 분할 모델 조정
<a name="semantic-segmentation-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.

## 의미 체계 분할 알고리즘으로 계산된 지표
<a name="semantic-segmentation-metrics"></a>

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\$1accuracy | 검증 세트의 이미지에서 올바르게 분류된 픽셀의 백분율입니다. |  최대화  | 

## 튜닝 가능한 의미 체계 분할 하이퍼파라미터
<a name="semantic-segmentation-tunable-hyperparameters"></a>

의미 체계 분할 알고리즘에 대한 다음 하이퍼파라미터를 튜닝할 수 있습니다.


| 파라미터 이름 | 파라미터 유형 | 권장 범위 | 
| --- | --- | --- | 
| learning\$1rate |  ContinuousParameterRange  |  MinValue: 1e-4, MaxValue: 1e-1  | 
| mini\$1batch\$1size |  IntegerParameterRanges  |  MinValue: 1, MaxValue: 128  | 
| momentum |  ContinuousParameterRange  |  MinValue: 0.9, MaxValue: 0.999  | 
| optimzer |  CategoricalParameterRanges  |  ['sgd', 'adam', 'adadelta']  | 
| weight\$1decay |  ContinuousParameterRange  |  MinValue: 1e-5, MaxValue: 1e-3  |