기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# 의미 체계 분할 하이퍼파라미터
다음 표에는 네트워크 아키텍처, 데이터 입력 및 훈련을 위해 Amazon SageMaker AI 의미 체계 분할 알고리즘에서 지원하는 하이퍼파라미터가 나와 있습니다. [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html) 요청의 `AlgorithmName`에 훈련을 위한 의미 체계 분류를 지정합니다.
**네트워크 아키텍처 하이퍼파라미터**
| 파라미터 이름 | 설명 |
| --- | --- |
| backbone | 알고리즘의 인코더 구성 요소에 사용되는 백본
**선택 사항**
유효값: `resnet-50`, `resnet-101`
기본값: `resnet-50` |
| use\_pretrained\_model | 백본에 사전 훈련된 모델을 사용할지 여부
**선택 사항**
유효값: `True`, `False`
기본값: `True` |
| algorithm | 의미 체계 분할에 사용할 알고리즘
**선택 사항**
유효한 값:[See the AWS documentation website for more details](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/segmentation-hyperparameters.html)
기본값: `fcn` |
**데이터 하이퍼파라미터**
| 파라미터 이름 | 설명 |
| --- | --- |
| num\_classes | 분할할 클래스 수
**필수**
유효한 값: 2 ≤ 양수 ≤ 254 |
| num\_training\_samples | 훈련 데이터의 샘플 수. 이 알고리즘은 이 값을 사용하여 학습률 스케줄러를 설정합니다.
**필수**
유효한 값: 양수 |
| base\_size | 자르기 전에 이미지 크기를 재조정하는 방법을 정의합니다. 긴 크기의 길이는 0.5\~2.0 사이의 난수를 곱하는 `base_size`로 설정되도록 이미지 크기가 재조정되고, 종횡비를 유지하기 위해 짧은 크기가 계산됩니다.
**선택 사항**
유효한 값: 양수 > 16
기본값: 520 |
| crop\_size | 훈련 중 입력 이미지의 이미지 크기. `base_size`에 따라 입력 이미지의 크기를 임의로 재조정한 다음 측면 길이 `crop_size`로 이미지를 임의의 사각형으로 자릅니다. `crop_size`는 자동으로 8의 배수로 반올림됩니다.
**선택 사항**
유효한 값: 양수 > 16
기본값: 240 |
**훈련 파라미터**
| 파라미터 이름 | 설명 |
| --- | --- |
| early\_stopping | 훈련 중 조기 중지 로직 사용 여부
**선택 사항**
유효값: `True`, `False`
기본값: `False` |
| early\_stopping\_min\_epochs | 실행해야 하는 최소 epoch 수
**선택 사항**
유효한 값: 정수
기본값: 5 |
| early\_stopping\_patience | 알고리즘이 조기 중지를 강제하기 전에 성능 저하에 대한 내결함성을 충족하는 epoch 수
**선택 사항**
유효한 값: 정수
기본값: 4 |
| early\_stopping\_tolerance | 훈련 작업 mIOU에서 점수의 상대적 개선이 이 값보다 작은 경우 조기 중지는 해당 epoch가 개선되지 않았다고 간주합니다. `early_stopping` = `True`인 경우에만 사용합니다.
**선택 사항**
유효한 값: 0 ≤ 부동 소수점 ≤ 1
기본 값: 0.0 |
| epochs | 훈련할 epoch 수
**선택 사항**
유효한 값: 양수
기본값: 10 |
| gamma1 | `rmsprop`에 대한 기울기 제곱의 이동 평균에 대한 감소 계수. `rmsprop`에만 사용됩니다.
**선택 사항**
유효한 값: 0 ≤ 부동 소수점 ≤ 1
기본 값: 0.9 |
| gamma2 | `rmsprop`에 대한 모멘텀 계수
**선택 사항**
유효한 값: 0 ≤ 부동 소수점 ≤ 1
기본 값: 0.9 |
| learning\_rate | 초기 학습률.
**선택 사항**
유효한 값: 0 < 부동 소수점 ≤ 1
기본값: 0.001 |
| lr\_scheduler | 시간에 따른 감소를 제어하는 학습률 일정의 셰이프(모양)
**선택 사항**
유효한 값: [See the AWS documentation website for more details](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/segmentation-hyperparameters.html)
기본값: `poly` |
| lr\_scheduler\_factor | `lr_scheduler`가 `step`으로 설정된 경우, `lr_scheduler_step`에 의해 지정된 각 에포크 이후 `learning_rate`를 감산(곱하기) 할 비율입니다. 그렇지 않으면 무시됩니다.
**선택 사항**
유효한 값: 0 ≤ 부동 소수점 ≤ 1
기본값: 0.1 |
| lr\_scheduler\_step | `learning_rate`가 `lr_scheduler_factor`로 감소(곱하기)된 후 쉼표로 구분된 에포크 목록입니다. 예를 들어 값이 `"10, 20"`으로 설정된 경우 `learning-rate`는 10번째 에포크 이후 `lr_scheduler_factor`만큼 감소하고, 20번째 에포크 이후 이 요소만큼 다시 감소합니다.
`lr_scheduler`가 `step`으로 설정된 경우 **조건부 필수**. 그렇지 않으면 무시됩니다.
유효한 값: 문자열
기본값: (사용 시 값이 필요하므로 기본값은 없습니다.) |
| mini\_batch\_size | 훈련용 배치 크기. `mini_batch_size`가 크면 일반적으로 훈련 속도가 빨라지지만 메모리 부족해질 수 있습니다. 메모리 사용량은 `mini_batch_size` 및 `image_shape` 파라미터의 값과 백본 아키텍처의 영향을 받습니다.
**선택 사항**
유효한 값: 양수
기본값: 16 |
| momentum | `sgd` 옵티마이저의 모멘텀. 다른 옵티마이저를 사용하는 경우 의미 체계 분할 알고리즘은 이 파라미터를 무시합니다.
**선택 사항**
유효한 값: 0 < 부동 소수점 ≤ 1
기본 값: 0.9 |
| optimizer | 옵티마이저 유형. 옵티마이저에 대한 자세한 내용을 보려면 해당 링크를 선택하세요.[See the AWS documentation website for more details](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/segmentation-hyperparameters.html)
**선택 사항**
유효한 값: `adam`, `adagrad`, `nag`, `rmsprop`, `sgd`
기본값: `sgd` |
| syncbn | `True`로 설정하면 GPU에서 처리된 모든 샘플에 대한 배치 정규화 평균과 분산이 계산됩니다.
**선택 사항**
유효값: `True`, `False`
기본값: `False` |
| validation\_mini\_batch\_size | 검증용 배치 크기. `mini_batch_size`가 크면 일반적으로 훈련 속도가 빨라지지만 메모리기 부족해질 수 있습니다. 메모리 사용량은 `mini_batch_size` 및 `image_shape` 파라미터의 값과 백본 아키텍처의 영향을 받습니다.[See the AWS documentation website for more details](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/segmentation-hyperparameters.html)
**선택 사항**
유효한 값: 양수
기본값: 16 |
| weight\_decay | `sgd` 옵티마이저에 대한 가중치 감소 계수. 다른 옵티마이저를 사용하는 경우 이 알고리즘은 이 파라미터를 무시합니다.
**선택 사항**
유효한 값: 0 < 부동 소수점 < 1
기본값: 0.0001 |