モデルのトレーニングと評価を同時に行う

トレーニング パイプラインを次のように設定します。

• [パイプラインの種類] フィールドで [フル パイプラインの実行] を選択します。
• [パッケージを選択] フィールドで、トレーニングおよび評価するパッケージを選択します。
• [パッケージのメジャー バージョンを選択] フィールドで、パッケージのメジャー バージョンを選択します。
• [パッケージのマイナー バージョンを選択] フィールドで、パッケージのマイナー バージョンを選択します。常にマイナー バージョンの 0 (ゼロ) を使用することを強くお勧めします。
• [入力データセットを選択] フィールドで、代表的なトレーニング データセットを選択します。
• [評価データセットを選択] フィールドで、代表的な評価データセットを選択します。
• [パラメーターを入力] セクションに、パイプラインで定義され、使用される環境変数を入力します (存在する場合)。ほとんどのユース ケースではパラメーターを指定する必要がなく、モデルは高度な手法を使用して効率の良い構成を検出します。ただし、次のような環境変数を使用できます。
• auto_retraining: 自動再トレーニング ループを完了できます。変数が True に設定されている場合は、データがタグ付けされたラベル付けセッションに関連付けられている export フォルダーを入力データセットとする必要があります。変数が False に設定されたままである場合は、入力データセットがこちらのデータセットの形式に対応している必要があります。
• model.epochs: トレーニング パイプラインのエポック数をカスタマイズします (既定値は 100)。
• GPU と CPU のどちらでパイプラインをトレーニングするかを選択します。[GPU を有効化] スライダーは既定で無効化されており、パイプラインは CPU でトレーニングされます。トレーニングに GPU を使用すると、CPU を使用するよりも 10 倍以上高速になります。また、CPU を使用したトレーニングでは、データセットの画像数が最大 1000 個までしかサポートされません。それより大きなデータセットの場合は、GPU を使用してトレーニングする必要があります。
• パイプラインの実行頻度として、[今すぐ実行]、[時間ベース]、[定期的] のいずれかのオプションを選択します。auto_retraining 変数を使用している場合は、[定期的] を選択します。
  
  

  

  
  
• すべてのフィールドを設定したら、[作成] をクリックします。パイプラインが作成されます。