所有文档

          EasyDL定制AI训练平台

          经典版图像分类模型如何提升效果

          一个模型很难一次性就训练到最佳的效果,可能需要结合模型评估报告和校验结果不断扩充数据和调优。

          为此我们设计了模型迭代功能,即当模型训练完毕后,会生成一个最新的版本号,首次V1、之后V2……以此类推。可以通过调整训练数据和算法,多次训练,获得更好的模型效果。

          注意:如果模型已经是上线状态,依然支持模型迭代。只需要在训练完毕后发布新的版本,就可以替换原接口地址背后的模型。

          想要提升模型效果,可以尝试以下两种方法:

          检查并优化训练数据

          1. 检查是否存在训练数据过少的情况,建议每个类别的图片量不少于100个,如果低于这个量级建议扩充。
          2. 检查不同类别的数据量是否均衡,建议不同分类的数据量级相同,并尽量接近,如果有的类别数据量很高,有的类别数据量较低,会影响模型整体的识别效果。
          3. 通过模型效果评估报告中的错误识别示例,有针对性地扩充训练数据。
          4. 检查测试模型的数据与训练数据的采集来源是否一致,如果设备不一致、或者采集的环境不一致,那么很可能会存在模型效果不错但实际测试效果较差的情况。针对这种情况建议重新调整训练集,将训练数据与实际业务场景数据尽可能一致

          云服务调用数据管理

          开通云服务调用数据管理功能后,可查找云服务模型识别错误的数据,纠正结果并将其加入模型迭代的训练集,实现训练数据的持续丰富和模型效果的持续优化

          具体使用流程如下:

          1. 为已上线接口开通云服务调用数据服务服务

          1. 通过选择调用时间、分类,并设置筛选条件,查看疑似错误识别的图片

          注意:数据将从开通功能后开始存储,最多存储30天的数据。当天调用的数据暂不支持即时查看,可在第二天查看

          1. 将接口识别错误的图片添加到指定数据集(建议新建数据集)并纠正结果。后续训练模型时,只需增加包含接口数据的数据集,即可提升模型效果
          上一篇
          模型效果评估
          下一篇
          模型发布