Valider un réseau¶
Dans un projet de développement, la validation est l'étape qui consiste à évaluer la capacité d'un réseau entraîné à bien faire ce pourquoi il est défini. Les réseaux entraînés a sont appliqués à des jeux de données annotées b afin de mesurer l'écart entre les attendus de l'expert et la prédiction du réseau. Cette action contribue à identifier les paramétrages optimaux des réseaux, i.e. ceux conduisant aux résultats les plus stables.
- (a) : le réseau entraîné hérite des propriétés de son modèle, en particulier le nombre et le nom des classes d'objets d'intérêt.
- (b) : le jeu de données annotées est entre autres composé de fichiers annotations réalisées à partir des mêmes classes que le réseau entraîné (même nombre, mêmes noms).
- Liste les réseaux entrainés sur les mêmes classes que le jeu de données annotées courant ; la nomenclature d'un réseau entraîné est la suivante : modèle|jeu_de_données ; ainsi, cerises|griottes20.1.01 correspond à l'entraînement du modèle mono classe cerises avec le premier lot (01) de jeu griottes acquis en 2020 défini avec 1 seule classe d'annotation. Tous les réseaux sélectionnés ont été entraînés avec des jeux de données annotées avec une unique classe d'objets
- Sélecteur de réseau entraîné parmi la liste précédente : les signatures de chaque paramétrage retenu lors de l'entraînement sont données sous la forme erreur_globale | modèle|jeu_d'entraînement | nombre_d'époques | fichier_de_poids c
- Navigateur dans les onglets de calcul : la présence ou l'absence de ces onglets dépend (du nombre de classes) du jeu de données
- 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.
Pour plus de détails, se reporter à la page Terminologie
