訓練您的AI模型

Unleash the Power of Visual AI for Your Business

一個AI模型訓練管道是一系列相互連接的步驟，自動化訓練、驗證和微調機器學習模型的過程。 DataVerse使創建AI模型訓練管道的過程簡單化，讓使用者可以專注於針對特定用途獲得最佳結果。 這篇指南將帶領您使用DataVerse平台創建一個AI模型訓練管道。

快速開始

從一個簡單的模型開始 - 您可以先嘗試以一個簡單的架構來訓練，驗證是否能達到效果，再進行較複雜的模型訓練來提升準確度。

參考實際操作影片：

準備您的資料

首先，收集並整理您打算用於訓練AI模型的資料集。確保資料集已被正確地標記，並且能夠代表您希望解決的問題。將您的資料集分為訓練、驗證和測試的獨立子集（Data Slice）。

提示 您可以透過Data Slice的資料切割工具來進行資料切割。

模型選擇和配置

根據您的特定需求選擇合適的模型架構。DataVerse提供了多種流行且經過實證的模型架構供您選擇。設置模型的參數，如"learning rate", "optimizer", 和 "number of epochs"。

Metrics表現參數配置

您可以客製化您的Metrics表現結果的IoU參數，以及大中小物件分類，系統將會在訓練完成後，依照設定，提供不同的結果。

知識：設定大中小物件的分類，有助於細節分析，特別是偵測物件有類似大小尺寸傾向的時候。

開始訓練

點擊"Trigger Training Job"按鈕來開始訓練。在此過程中，DataVerse會自動地使用提供的訓練資料集來訓練模型，並使用驗證資料集來驗證模型的性能。持續監控訓練的進度和驗證的指標，以確保模型正在有效地學習。

訓練完成後，使用測試資料集來評估您的AI模型的性能，分析主要的性能指標，如accuracy, precision, recall, 和 F1 score，並可以在 Data Visualization 上看到模型偵測結果。

提示：

從更簡單的模型開始，可以先做個暖身測試，一旦確定資料是有機會訓練成功的，繼續訓練能逐漸進入最佳狀態，就可以增加強度以獲得更好的模型表現。 良好的訓練需要時間，休息一下，讓這個平台自動發揮它的效果吧。

您也可以使用生成的AI模型在不同data slice做預測，如果這些資料具有ground truth，系統同樣會提供以準確度指標來提供您分析比較。