Entraîner un réseau¶

L'entraînement est la première action à réaliser dans un projet de développement. Il s'agit d'appliquer l'un des modèles ^a préparés et mis à disposition par les administrateur.trice.s AgroDeep dans le cadre du projet au jeu de données annotées ^b téléversé par l'utilisateur.trice. Cette action contribuera à générer un réseau entraîné qui pourra alors être validé ou instancié.

1. (a) : le modèle est un réseau de neurones type adapté à une tâche spécifique, par exemple la détection de cerises ; il précise entre autres le nombre et le nom des classes d'objets auxquels le réseau s'intéressera.
2. (b) : le jeu de données annotées est entre autres composé de fichiers annotations réalisées à partir des mêmes classes que le modèle (même nombre, mêmes noms).

1. Liste les réseaux modèles compatibles avec le jeu de données et en donne le descriptif
2. Sélecteur de modèle parmi la liste précédente
3. Sélecteur du nombre d'époques, l'un des paramètres clés de l'apprentissage des réseaux : une époque représente un passage simple à travers l'ensemble d'apprentissage, suivi d'un test sur l'ensemble de vérification
4. Sélecteur de méthodes de filtrage des fichiers de poids ^c : les k plus petites erreurs permet de récupérer les k réglages donnant les plus petites erreurs, les k plus représentatives erreurs les k réglages donnant une bonne représentation de l'erreur au fil de l'apprentissage
5. Sélecteur du nombre de (fichiers de) poids à garder
6. Navigateur dans les onglets de calcul : la présence ou l'absence de ces onglets dépend du jeu de données
7. Déclencheur d'évènements de calcul

(c) : On appelle (fichier de) poids la pondération des neurones du réseau i.e. le paramétrage du réseau. En effet, l'entraînement consiste au final à paramétrer au mieux le réseau de neurones afin de minimiser l'écart (ou erreur) entre les annotations expertes et les prédictions du réseau ; si la fonction erreur est globalement monotone décroissante, il n'en demeure pas moins qu'elle peut toutefois présenter des oscillations locales voire des affaissements brutaux et de ce fait des minima non représentatifs. Le paramétrage du réseau doit représenter une tendance avérée et non pas un accident local. De ce fait, l'utilisateur.trice peut récupérer plusieurs paramétrages issus de l'apprentissage du réseau et choisir ultérieurement celui à utiliser en fonction des résultats des études de validation qu'il.elle conduira.

Précédent Suivant

Pour plus de détails, se reporter à la page Terminologie

Contact