Documentazione

Il manuale e i testi delle guide della tua app BadBob.

Indice

Addestramento · Avvio rapido

Addestra da un dataset pubblicato, poi valuta il risultato salvato.

Prima di iniziare

Una versione pubblicata con Train e Val, immagini e annotazioni disponibili, un ambiente di addestramento pronto e una destinazione di output.

Avvio rapido

  1. Apri Addestramento e cronologia esecuzioni e scegli la versione del dataset.
  2. Controlla la preparazione. I dataset di riquadri usano Create ML; quelli di contorni offrono preparazione delle maschere e Segmentation.
  3. Imposta identità del modello/esecuzione, budget di addestramento e destinazione. Lascia Aumento dati disattivato, a meno che le variazioni siano adatte al tuo compito.
  4. Avvia l’esecuzione e monitora l’avanzamento. Valuta immagini riservate prima di registrare o usare un risultato.

Funzioni e opzioni

  • Esplora la guida

    Usa le schede numerate e i pulsanti degli argomenti. Panoramica mostra l’introduzione; Manuale apre la guida.

  • Scegli un’area di lavoro

    Il menu delle sezioni apre Guida, Addestramento e cronologia esecuzioni, Panoramica, Valutazione e Confronto.

  • Registro dei modelli

    Registro modelli è disponibile nell'intestazione di ogni pagina di Addestramento. Apre i dati dei modelli del progetto corrente.

  • Segui la dimostrazione

    Il capitolo 08, Tutorial, raggruppa i due filmati di addestramento offline con controlli di riproduzione, ricerca della posizione e sottotitoli in inglese. Il primo filmato tratta l'addestramento iniziale; il secondo aggiunge nuovi dati revisionati, una nuova versione del dataset, aumento dei dati e confronto dei modelli.

  • Verificare i prerequisiti

    Addestra è disabilitato quando mancano dati, preparazione, configurazione o ambiente richiesti.

  • Seguire l’avanzamento

    Durante l'aumento dei dati, il contatore mostra quante immagini Train sono state preparate. Tempo totale trascorso include preparazione, aumento dei dati, addestramento, valutazione e verifica del modello.

  • Valutare la qualità del modello

    Una perdita di addestramento minore da sola non dimostra la qualità del modello.

Risultato

Un’esecuzione di addestramento salvata con impostazioni ed evidenze del risultato.

Passaggio successivo

Scegli Val/Test prima della valutazione, quindi confronta i modelli sulle stesse immagini di riferimento.

Tutta la documentazione