本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 調校物件偵測模型
<a name="object-detection-tuning"></a>

*自動模型調校*，又稱為超參數調校，會透過在您的資料集上，執行許多測試超參數範圍的任務，來尋找最佳版本的模型。您可以選擇可調校的超參數、每一個超參數的值範圍，及目標指標。您可以從演算法運算的指標中選擇目標指標。自動模型調校會搜尋所選擇的超參數，以找出產生之模型可最佳化目標指標的值組合。

如需模型調校的詳細資訊，請參閱[使用 SageMaker AI 執行自動模型調校](automatic-model-tuning.md)。

## 依物件偵測演算法計算的指標
<a name="object-detection-metrics"></a>

物件偵測演算法會在訓練期間報告單一指標：`validation:mAP`。調校模型時，請選擇此指標做為目標指標。


| 指標名稱 | Description | 最佳化方向 | 
| --- | --- | --- | 
| validation:mAP |  系統會在驗證組上計算平均精度均值 (mAP)。  |  最大化  | 



## 可調校的物件偵測超參數
<a name="object-detection-tunable-hyperparameters"></a>

使用下列超參數調校 Amazon SageMaker AI 物件偵測模型。對物件偵測目標指標影響最大的超參數為：`mini_batch_size`、`learning_rate` 和 `optimizer`。


| 參數名稱 | 參數類型 | 建議範圍 | 
| --- | --- | --- | 
| learning\$1rate |  ContinuousParameterRange  |  MinValue：1e-6、MaxValue：0.5  | 
| mini\$1batch\$1size |  IntegerParameterRanges  |  MinValue：8、MaxValue：64  | 
| momentum |  ContinuousParameterRange  |  MinValue：0.0、MaxValue：0.999  | 
| optimizer |  CategoricalParameterRanges  |  ['sgd', 'adam', 'rmsprop', 'adadelta']  | 
| weight\$1decay |  ContinuousParameterRange  |  MinValue：0.0、MaxValue：0.999  |