Dotrenowywanie modelu

Aby poprawić skuteczność wytrenowanego modelu, można poddać go procesowi dotrenowywania. Aby rozpocząć, przejdź do sekcji Modele, najedź kursorem na ikonę koła zębatego i kliknij przycisk Dotrenuj model na wybranym kafelku modelu.

Proces dotrenowywania składa się z trzech etapów:

• Edycja zbioru danych;
• Scalanie klas obiektów;
• Konfiguracja modelu.

Edycja zbiorów danych

W pierwszym kroku wybierz zbiory danych, których chcesz użyć w procesie dotrenowywania.

Domyślnie wybrane są zbiory danych, które były używane w poprzedniej (oryginalnej) sesji treningowej. Możesz je odznaczyć, jeśli chcesz użyć tylko nowych zbiorów danych.

Scalanie klas obiektów

Kliknięcie przycisku Dalej powoduje przejście do widoku scalania kategorii. Różni się on nieco od oryginalnego widoku scalania:

• Kategorie z poprzedniego szkolenia są automatycznie przypisywane do kubełków
• Jeśli wybrano nowe kategorie, zostaną one przypisane do automatycznie wygenerowanego kubełka Nieprzypisane.
• Jeśli nazwa nowej kategorii pasuje do nazwy istniejącego kubełka, zostanie ona automatycznie przypisana do tego kubełka.

Aby rozpocząć dotrenowywanie, należy przenieść wszystkie kategorie zbioru danych z Nieprzypisanego kubełka do odpowiednich kubełków. Tylko wtedy Nieprzypisane kubełki zostaną automatycznie usunięte, a przycisk Dotrenowywanie modelu zostanie włączony. Każdy kubełek musi zawsze zawierać co najmniej jedną kategorię zbioru danych.

Rozkład zbioru danych

Kolejnym krokiem jest rozkład zbioru danych. Na tym etapie musisz określić, jak Twój dataset zostanie rozdzielony na trzy oddzielne podzbiory:

• Zbiór treningowy – używany do trenowania modelu
• Zbiór walidacyjny – używany do monitorowania wydajności podczas treningu oraz dostrajania modelu
• Zbiór testowy – używany na końcu do oceny końcowej dokładności modelu

OSAI zazwyczaj sugeruje domyślny podział procentowy (70% trening, 20% walidacja, 10% test), oparty na najlepszych praktykach z literatury. Zaleca się pozostawić te wartości domyślne, chyba że masz konkretny powód, aby je zmienić.

Po ustawieniu podziału danych kliknij Dalej.

Konfiguracja modelu

Kliknij przycisk Dalej, aby przejść do etapu konfiguracji modelu. Zdefiniuj nazwę dotrenowywanego modelu i liczbę epok (dla klasyfikacji) lub iteracji (dla wykrywania obiektów).

Nazwa modelu musi spełniać te same wymagania dotyczące walidacji, co w przypadku zwykłego treningu.

Kliknij Dotrenowywanie modelu, aby rozpocząć dotrenowywanie.