Entraînement · Démarrage rapide
Entraînez à partir d’un jeu de données publié, puis évaluez le résultat enregistré.
Avant de commencer
Une version publiée avec Train et Val, des images et annotations disponibles, un environnement d’entraînement prêt et une destination de sortie.
Démarrage rapide
- Ouvrez Entraînement et historique des exécutions et choisissez la version du jeu de données.
- Vérifiez la préparation. Les jeux de données de cadres utilisent Create ML ; les jeux de contours proposent la préparation de masques et Segmentation.
- Définissez l’identité du modèle/de l’exécution, le budget d’entraînement et la destination. Laissez Augmentation désactivé, sauf si les variations conviennent à votre tâche.
- Démarrez l’exécution et suivez sa progression. Évaluez des images réservées avant d’enregistrer un résultat comme candidat ou de l’utiliser.
Fonctions et choix
Parcourir le guide
Utilisez les onglets numérotés et les boutons de sujet. Vue d’ensemble affiche l’introduction ; Manuel ouvre l’aide.
Choisir un espace de travail
Le menu de sections ouvre Guide, Entraînement et historique des exécutions, Vue d’ensemble, Évaluation et Comparaison.
Journal des modèles
Journal des modèles est disponible dans l’en-tête de chaque page d’entraînement et ouvre les enregistrements de modèles du projet actuel.
Suivre la démonstration
Le chapitre 08, Tutoriels, regroupe les deux films d’entraînement hors ligne avec commandes de lecture, recherche de position et sous-titres anglais. Le premier film couvre l’entraînement initial ; le second ajoute de nouvelles données vérifiées, une nouvelle version du jeu de données, l’augmentation et la comparaison des modèles.
Vérifier les prérequis
Entraîner est désactivé tant que des données, une préparation, une configuration ou un environnement requis manquent.
Suivre la progression
Pendant l’augmentation, le compteur indique le nombre d’images Train préparées. Le temps total écoulé comprend préparation, augmentation, entraînement, évaluation et vérification du modèle.
Évaluer la qualité du modèle
Une perte d’entraînement inférieure ne suffit pas à prouver la qualité du modèle.
Résultat
Une exécution d’entraînement enregistrée avec ses réglages et ses éléments de résultat.
Étape suivante
Choisissez Val/Test avant l’évaluation, puis comparez les modèles sur les mêmes images de référence.