Обучение нейросетевого элемента ML-модели
Kaspersky MLAD позволяет выполнить обучение нейросетевого элемента для ML-модели, созданной вручную, загруженной в Kaspersky MLAD, созданной по шаблону, а также для скопированной ML-модели.
Обучение элементов ML-моделей доступно системным администраторам и пользователям с правом Обучение моделей из группы прав Управление ML-моделями.
Чтобы обучить элемент ML-модели:
- В основном меню выберите раздел Модели.
- В дереве активов выберите нейросетевой элемент, который вы хотите обучить.
Справа отобразится список параметров.
- Откройте вкладку Обучение и нажмите на кнопку Изменить в правом верхнем углу окна.
- В поле Интервал отбора данных укажите интервал времени данных, на которых требуется обучить ML-модель.
- Если требуется применить разметки для отбора данных для обучения ML-модели в рамках выбранного интервала, в поле Разметки выберите одну или несколько разметок.
Выбранные разметки сформируют индикатор обучения.
- Если требуется просмотреть, какие данные будут отобраны разметками, нажмите на кнопку На графике.
Разметки отобразятся в указанных при создании цветах.
- Если требуется, включите параметр Расширенные параметры обучения и выполните следующие действия:
- В поле Максимальная продолжительность обучения (сек.) укажите максимально время, которое сервер Kaspersky MLAD может затратить на обучение ML-модели в секундах.
- В поле Размер валидационной выборки укажите в виде десятичной дроби долю валидационной выборки относительно всего набора данных для обучения ML-модели.
Вы можете указать значение в диапазоне от
0
до1
.По умолчанию этот параметр имеет значение
0.2
. - В поле Максимальное количество эпох укажите максимальное количество эпох для обучения ML-модели.
По умолчанию этот параметр имеет значение
500
. - В поле Количество эпох для ранней остановки обучения укажите количество эпох, в течение которых качество обучения не улучшается для ранней остановки обучения ML-модели.
Ранняя остановка обучения ML-модели применяется для избежания переобучения модели. При этом обучение ML-модели считается успешно завершившимся.
По умолчанию этот параметр имеет значение
15
. - В поле Разрешение графиков результатов обучения укажите в виде десятичной дроби разрешение графиков для отображения результатов обучения на вкладке Результаты обучения.
Вы можете указать значение в диапазоне от
0
до1
. - В поле Размер батча укажите количество элементов выборки, которое требуется передать на обучение в рамках итерации.
По умолчанию этот параметр имеет значение
16
. - В поле Количество блоков укажите количество блоков, на которое требуется разбить набор данных для обучения ML-модели.
По умолчанию этот параметр имеет значение
4
. - В раскрывающемся списке Режим инференса выберите одно из следующих значений:
- Если требуется загрузить все батчи в оперативную память, выберите Быстрый инференс.
Этот режим инференса позволяет выполнить инференс быстрее.
- Если требуется загружать в оперативную память по одному батчу данных, выберите Экономия памяти.
Этот режим инференса позволяет выполнить инференс с минимальными затратами оперативной памяти, но медленнее, чем в режиме Быстрый инференс.
Выбранный режим инференса применяется только в процессе обучения нейросетевого элемента ML-модели.
- Если требуется загрузить все батчи в оперативную память, выберите Быстрый инференс.
- В раскрывающемся списке Режим обучения выберите одно из следующих значений:
- Если требуется загрузить весь набор данных для обучения модели в оперативную память, выберите Загрузить весь датасет в оперативную память.
- Если требуется загружать в оперативную память по одному блоку данных и сформировать валидационные блоки из конца набора данных, выберите Сформировать валидационные блоки из конца датасета.
- Если требуется загружать в оперативную память по одному блоку данных без формирования валидационных блоков, выберите Проводить валидацию в каждом блоке обучающих данных.
Валидационные данные формируются из каждого обучающего блока данных.
- В раскрывающемся списке Режим распределения памяти выберите один из следующих параметров:
- Зарезервировать минимальный объем свободной памяти. При выборе этого параметра при обучении ML-модели служба Trainer будет оставлять свободным минимальный объем памяти, указанный в поле Объем памяти, МБ.
- Зарезервировать максимальный объем памяти на обучение модели. При выборе этого параметра для обучения ML-модели служба Trainer будет использовать максимальный объем оперативной памяти, указанный в поле Объем памяти, МБ.
- Если требуется учесть результаты предыдущего обучения при обучении ML-модели на новых данных, включите параметр Инициализировать веса модели значениями из результатов предыдущего обучения.
- Если требуется перемешать данные для улучшения качества обучения ML-модели, включите параметр Перемешать данные.
- В правом верхнем углу окна нажмите на кнопку Сохранить.
- В информационном блоке, расположенном над параметрами обучения, нажмите на кнопку Обучить элемент.
В информационном блоке будет отображаться номер текущей эпохи обучения элемента ML-модели. После завершения обучения вы можете просмотреть результаты обучения элемента ML-модели на вкладке Результаты обучения.
После обучения всех нейросетевых элементов в составе ML-модели ей будет присвоен статус Обучена. Если требуется, вы можете повторно обучить элемент ML-модели, нажав на кнопку Перезапустить обучение.