WEBVTT - generated by wenglor-media

1
00:00:00.040 --> 00:00:01.440
In diesem Video lernen wir,

2
00:00:01.440 --> 00:00:04.080
wie man ein trainiertes Modell in AI Lab überprüft.

3
00:00:04.120 --> 00:00:06.640
Wir verwenden einen der Beispieldatensätze,

4
00:00:06.640 --> 00:00:09.720
da diese bereits vortrainierte Modelle enthalten.

5
00:00:09.880 --> 00:00:12.960
Gehen Sie zur Seite „Models“, indem Sie
auf „All Models“ klicken,

6
00:00:12.960 --> 00:00:15.400
und wählen Sie ein Modell aus, das Sie überprüfen
möchten.

7
00:00:18.480 --> 00:00:19.920
Auf der Seite „Model Review“

8
00:00:19.920 --> 00:00:23.040
finden Sie detaillierte Informationen zu seiner
Leistung –

9
00:00:23.040 --> 00:00:25.560
darunter die ausgewogene Genauigkeit in Prozent,

10
00:00:25.560 --> 00:00:27.280
die Anzahl der falschen Vorhersagen,

11
00:00:27.280 --> 00:00:29.160
die Inferenzzeit in Millisekunden

12
00:00:29.160 --> 00:00:31.680
sowie die Wiederauffindbarkeit und Präzision
für jede Klasse.

13
00:00:40.200 --> 00:00:41.920
Die „Confusion Matrix“ zeigt,

14
00:00:41.920 --> 00:00:45.360
wie die tatsächliche Grundwahrheit mit den
vorhergesagten Ergebnissen verglichen wird

15
00:00:45.360 --> 00:00:48.240
und wie genau jede Klasse identifiziert wurde.

16
00:00:52.960 --> 00:00:54.960
Sie können auch Beispiele für richtige

17
00:00:54.960 --> 00:00:56.960
und falsche Vorhersagen anzeigen.

18
00:01:01.000 --> 00:01:02.000
Auf der Registerkarte „Info“

19
00:01:02.000 --> 00:01:05.000
sehen Sie Details wie Bildauflösung,

20
00:01:05.000 --> 00:01:08.000
Datensatzgröße und Anzahl der Klassen.

21
00:01:08.000 --> 00:01:10.000
Klicken Sie auf „Review Wrong Predictions”,

22
00:01:10.000 --> 00:01:13.000
um die falsch klassifizierten Bilder in voller
Größe zu betrachten.

23
00:01:20.000 --> 00:01:22.000
Hier können Sie die „Heatmap” aktivieren,
um zu verstehen,

24
00:01:22.000 --> 00:01:25.000
welche Teile des Bilds die Vorhersage beeinflusst
haben.

25
00:01:33.000 --> 00:01:36.000
Bei Bedarf können Sie diese Bilder neu beschriften

26
00:01:36.000 --> 00:01:38.000
und das Modell neu trainieren, um die Genauigkeit
zu verbessern.

27
00:01:54.000 --> 00:01:56.000
Schließlich können alle Details zur Modellleistung

28
00:01:56.000 --> 00:01:58.000
als druckbarer Bericht angezeigt werden –

29
00:01:58.000 --> 00:02:01.000
ideal zum Teilen oder zur Dokumentation.