Wykres trenowania modelu

Ponieważ program IBM® Maximo® Visual Inspection pociągi modelu, wykres przedstawia względną wydajność modelu w czasie.

Ten wykres jest wyświetlany, gdy użytkownik trenuje model.

Po zakończeniu treningu model powinien być zbieżny, z niewielkim błędem i wysoką dokładnością.

Na rysunku widać, że linie strat CLS i Bbox zaczynają się wypłaszczać. Na wykresie treningowym, im niższa wartość dla linii strat, tym lepiej. W związku z tym można zatrzymać proces treningu, gdy wartość straty przestanie maleć. Gdy wartość straty przestanie się zmniejszać, liczba iteracji była wystarczająca do wytrenowania modelu i można przejść do następnego kroku.

Wykres Utrata a iteracja jest inny dla modelu SSD niż w przypadku innych modeli wykrywania obiektów. Różnica polega na tym, że model SSD łączy produkty Pole Bbox utraty pociągu i CLS straty pociągu w jedną statystykę, która jest prezentowana na wykresie szkoleniowym. W przypadku modeli SSD wartość Train Loss Bbox nie jest poprawna. Wykres przedstawia stałą wartość 0, podczas gdy CLS strat pociągu śledzi kombinację strat Bbox i CLS.

Kliknij ikony, aby wykonać następujące działania:

• Wyświetlanie tabelarycznej reprezentacji danych wykresu.
• Wyświetlanie wykresu w trybie pełnoekranowym.
• Eksportowanie danych wykresu do pliku CSV (wartości rozdzielane przecinkami).
• Zapisywanie wykresu lokalnie w pliku obrazu JPG lub PNG.

W przypadku modeli o wysokiej rozdzielczości wyświetlana jest inna wersja wykresu. Podczas trenowania modelu zestaw danych jest dzielony na podzbiór treningowy i służący do sprawdzania poprawności. W tej wersji wykresu, która jest wyświetlana na rysunku 2, linie strat typu Training Loss and Validation Loss pokazują, jak dokładnie model klasyfikuje obrazy i identyfikuje obiekty w podzbiorach szkoleniowych i walidacyjnych.

Linia strat treningowych łączy pomiary strat pociągu i strat pociągu w jednym pomiarze. Dane o stracie w podzbiorze treningowym są rejestrowane w momencie rozpoczęcia treningu i później po każdych 20 iteracjach treningowych. Dane o stracie w podzbiorze sprawdzania poprawności są rejestrowane później i są rzadziej prezentowane. Aby określić, jak często sprawdzanie poprawności strat jest przechwytywane i wyświetlane, należy podzielić liczbę obrazów w zestawie danych przez 4. Jeśli na przykład zestaw danych zawiera 1000 obrazów, dane sprawdzania poprawności strat są wyświetlane po każdych 250 iteracjach.

Po zakończeniu plateau linii strat, jeśli wartość linii strat walidacji jest niższa niż linia strat treningowych, niech szkolenie będzie kontynuowane. Jeśli linia lub wartość utraty poprawności jest równa lub wyższa na wykresie niż linia strat, na przykład linia strat, która jest wyświetlana na rysunku 3, można zatrzymać szkolenie. Podczas trenowania modelu wysokiej rozdzielczości należy wybrać opcję Włącz automatyczne wczesne zatrzymanie, aby automatycznie zatrzymać trenowanie w przypadku, gdy dostępny jest najdokładniejszy model.

W przypadku modeli zoptymalizowanych pod kątem anomalii wyświetlana jest tylko linia Strata szkoleniowa. Ta linia strat łączy pomiary pociągu strat i strat pociągu z jednym pomiarem w ten sam sposób, w jaki te pomiary są łączone dla modeli o wysokiej rozdzielczości.