As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Ajuste a detecção de objetos - TensorFlow modelo
<a name="object-detection-tensorflow-tuning"></a>

O *ajuste automático de modelos*, também conhecido como ajuste de hiperparâmetros, localiza a melhor versão de um modelo executando vários trabalhos que testam uma série de hiperparâmetros no seu conjunto de dados. Você escolhe os hiperparâmetros ajustáveis, um intervalo de valores para cada um e uma métrica objetiva. Você escolhe a métrica objetiva entre as métricas que o algoritmo calcula. O ajuste de modelo automático pesquisa os hiperparâmetros escolhidos para encontrar a combinação de valores que resultam no modelo que otimiza a métrica objetiva.

Para mais informações sobre o ajuste de modelos, consulte [Ajuste automático do modelo com SageMaker IA](automatic-model-tuning.md).

## Métricas calculadas pelo algoritmo de detecção de objetos TensorFlow
<a name="object-detection-tensorflow-metrics"></a>

Consulte a tabela a seguir para descobrir quais métricas são calculadas pelo TensorFlow algoritmo de Detecção de Objetos.


| Nome da métrica | Description | Direção de otimização | Padrão Regex | 
| --- | --- | --- | --- | 
| validation:localization\_loss | A perda de localização para predição de caixa. | Minimizar | `Val_localization=([0-9\\.]+)` | 

## Detecção de objetos ajustável - hiperparâmetros TensorFlow
<a name="object-detection-tensorflow-tunable-hyperparameters"></a>

Ajuste um modelo de detecção de objetos do com os seguintes hiperparâmetros: Os hiperparâmetros que têm o maior impacto sobre métrica objetiva de detecção de objetos são: `batch_size`, `learning_rate` e `optimizer`. Ajuste os hiperparâmetros relacionados com o otimizador, como `momentum`, `regularizers_l2`, `beta_1`, `beta_2` e `eps` com base no `optimizer` selecionado. Por exemplo, use `beta_1` e `beta_2` somente quando `adam` for o `optimizer`.

Para obter mais informações sobre quais hiperparâmetros são usados para cada `optimizer`, consulte [Detecção de objetos - TensorFlow Hiperparâmetros](object-detection-tensorflow-Hyperparameter.md).


| Nome do parâmetro | Tipo de parâmetro | Intervalos recomendados | 
| --- | --- | --- | 
| batch\_size | IntegerParameterRanges | MinValue: 8, MaxValue 512 | 
| beta\_1 | ContinuousParameterRanges | MinValue: 1e-6, 0,99 MaxValue | 
| beta\_2 | ContinuousParameterRanges | MinValue: 1e-6, 0,99 MaxValue | 
| eps | ContinuousParameterRanges | MinValue: 1e-8, MaxValue: 1,0 | 
| learning\_rate | ContinuousParameterRanges | MinValue: 1e-6, 0,5 MaxValue | 
| momentum | ContinuousParameterRanges | MinValue: 0,0, MaxValue 0,99 | 
| optimizer | CategoricalParameterRanges | ['sgd', ‘adam’, ‘rmsprop’, 'nesterov', 'adagrad', 'adadelta'] | 
| regularizers\_l2 | ContinuousParameterRanges | MinValue: 0,0, MaxValue 0,99 | 
| train\_only\_on\_top\_layer | CategoricalParameterRanges | ['True', 'False'] | 
| initial\_accumulator\_value | CategoricalParameterRanges | MinValue: 0,0, MaxValue 0,99 |