Entrenamiento · Inicio rápido
Entrene a partir de un conjunto de datos publicado y evalúe el resultado guardado.
Antes de empezar
Una versión publicada con Train y Val, imágenes y anotaciones disponibles, un entorno de entrenamiento listo y un destino de salida.
Inicio rápido
- Abra Entrenamiento e historial de ejecuciones y elija la versión del conjunto de datos.
- Compruebe la preparación. Los conjuntos de recuadros utilizan Create ML; los de contornos ofrecen preparación de máscaras y Segmentation.
- Defina la identidad del modelo/ejecución, el presupuesto de entrenamiento y el destino. Deje Aumento de datos desactivado, salvo que las variaciones sean adecuadas para su tarea.
- Inicie la ejecución y supervise el progreso. Evalúe imágenes reservadas antes de registrar o utilizar un resultado.
Funciones y opciones
Explorar la guía
Use las pestañas numeradas y los botones de tema. Vista general muestra la introducción; Manual abre la ayuda.
Elegir un espacio de trabajo
El menú de secciones abre Guía, Entrenamiento e historial de ejecuciones, Vista general, Evaluación y Comparación.
Diario de modelos
Diario de modelos está disponible en la cabecera de todas las páginas de Entrenamiento y abre los registros de modelos del proyecto actual.
Seguir la demostración
El capítulo 08, Tutoriales, agrupa las dos películas de entrenamiento sin conexión con controles de reproducción, búsqueda de posición y subtítulos en inglés. La primera película trata el entrenamiento inicial; la segunda añade datos nuevos revisados, una versión nueva del conjunto de datos, aumento de datos y comparación de modelos.
Comprobar los requisitos
Entrenar está desactivado mientras falten datos, preparación, configuración o entorno necesarios.
Seguir el progreso
Durante el aumento de datos, el contador muestra cuántas imágenes Train se han preparado. El tiempo total transcurrido incluye preparación, aumento de datos, entrenamiento, evaluación y verificación del modelo.
Evaluar la calidad del modelo
Una menor pérdida de entrenamiento por sí sola no demuestra la calidad del modelo.
Resultado
Una ejecución de entrenamiento guardada con sus ajustes y evidencias de resultados.
Siguiente paso
Elija Val/Test antes de evaluar y después compare modelos con las mismas imágenes de referencia.