本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 调整语义分割模型
<a name="semantic-segmentation-tuning"></a>

*自动模型优化*（也称作超参数优化）通过运行很多在数据集上测试一系列超参数的作业来查找模型的最佳版本。您可以选择可优化超参数、每个超参数的值范围和一个目标指标。您可以从算法计算的指标中选择目标指标。自动模型优化将搜索所选超参数以找到导致优化目标指标的模型的值组合。

## 由语义分割算法计算的指标
<a name="semantic-segmentation-metrics"></a>

语义分割算法会报告两个验证指标。优化超参数值时，选择这些指标作为目标。


| 指标名称 | 说明 | 优化方向 | 
| --- | --- | --- | 
| validation:mIOU |  预测分割与地面真相交点的区域除以验证集中的图像之间的并集区域。也被称为 Jaccard 指数。  |  最大化  | 
| validation:pixel\$1accuracy | 来自验证集的图像中正确分类的像素百分比。 |  最大化  | 

## 可优化语义分割超参数
<a name="semantic-segmentation-tunable-hyperparameters"></a>

您可以优化语义分割算法的以下超参数。


| 参数名称 | 参数类型 | 建议的范围 | 
| --- | --- | --- | 
| learning\$1rate |  ContinuousParameterRange  |  MinValue: 1e-4， MaxValue: 1e-1  | 
| mini\$1batch\$1size |  IntegerParameterRanges  |  MinValue: 1, MaxValue: 128  | 
| momentum |  ContinuousParameterRange  |  MinValue: 0.9， MaxValue: 0.999  | 
| optimzer |  CategoricalParameterRanges  |  ['sgd'、'adam'、'adadelta']  | 
| weight\$1decay |  ContinuousParameterRange  |  MinValue: 1e-5， MaxValue: 1e-3  |