WEBVTT - generated by wenglor-media

1
00:00:00.040 --> 00:00:01.440
Dans cette vidéo, nous allons apprendre

2
00:00:01.440 --> 00:00:04.080
à évaluer un modèle entraîné dans AI Lab.

3
00:00:04.120 --> 00:00:06.640
Nous utiliserons l’un des ensembles de données
d’exemple,

4
00:00:06.640 --> 00:00:09.720
car ils comprennent déjà des modèles pré-entraînés.

5
00:00:09.880 --> 00:00:12.960
Accédez à la page « Models » en cliquant
sur « All Models »

6
00:00:12.960 --> 00:00:15.400
et sélectionnez le modèle que vous souhaitez
examiner.

7
00:00:18.480 --> 00:00:19.920
Sur la page « Model Review »,

8
00:00:19.920 --> 00:00:23.040
vous trouverez des informations détaillées
sur ses performances,

9
00:00:23.040 --> 00:00:25.560
notamment la précision équilibrée en pourcentage,

10
00:00:25.560 --> 00:00:27.280
le nombre de prédictions erronées,

11
00:00:27.280 --> 00:00:29.160
le temps d’inférence en millisecondes

12
00:00:29.160 --> 00:00:31.680
et le rappel et la précision pour chaque classe.

13
00:00:40.200 --> 00:00:41.920
La « Confusion Matrix » montre

14
00:00:41.920 --> 00:00:45.360
comment la vérité fondamentale réelle se
compare aux résultats prédits,

15
00:00:45.360 --> 00:00:48.240
et avec quelle précision chaque classe a été
identifiée.

16
00:00:52.960 --> 00:00:54.960
Vous pouvez également consulter des exemples
de

17
00:00:54.960 --> 00:00:56.960
prédictions correctes et erronées.

18
00:01:01.000 --> 00:01:02.000
Dans l’onglet « Info »,

19
00:01:02.000 --> 00:01:05.000
vous trouverez des détails tels que la résolution
de l’image,

20
00:01:05.000 --> 00:01:08.000
la taille de l’ensemble de données et le
nombre de classes.

21
00:01:08.000 --> 00:01:10.000
Cliquez sur « Review Wrong Predictions »

22
00:01:10.000 --> 00:01:13.000
pour inspecter les images mal classées en
taille réelle.

23
00:01:20.000 --> 00:01:22.000
Ici, vous pouvez activer la « Heatmap »
pour comprendre

24
00:01:22.000 --> 00:01:25.000
quelles parties de l’image ont influencé
la prédiction.

25
00:01:33.000 --> 00:01:36.000
Si nécessaire, vous pouvez réétiqueter ces
images

26
00:01:36.000 --> 00:01:38.000
et réentraîner le modèle pour améliorer
la précision.

27
00:01:54.000 --> 00:01:56.000
Enfin, tous les détails sur les performances
du modèle

28
00:01:56.000 --> 00:01:58.000
peuvent être consultés sous forme de rapport
imprimable,

29
00:01:58.000 --> 00:02:01.000
idéal pour le partage ou la documentation.