🖥️
AugeLab Studio Manual
Deutch
Deutch
  • 👋Willkommen im AugeLab Studio Benutzerhandbuch
  • 📘Einführung
    • AugeLab Studio
    • Hauptmerkmale
    • Anwendungsfälle
    • Systemanforderungen
  • 🚀Erste Schritte
    • Anmeldung
    • Installation
    • Erster Blick
    • Einfacher Rundgang
    • Ihr allererstes Projekt
      • Grundlagen
      • Erkennung
      • Zusammenfassung
    • Weitere lokale Beispiele
    • Weitere Lektüre
  • 🖥️AugeLab Studio Oberfläche
    • Detaillierter Blick
    • Szenario-Bereich
    • Menü und Werkzeugleiste
    • Projekte verwalten
    • KI installieren und vieles mehr
      • KI mit Modul-Downloader nutzen
  • 🧱Funktionsblöcke
    • Blockstrukturen
    • Schnittstellen
    • Blockspalte
    • Verbindungen
    • Alle Funktionsblöcke
      • AI Blocks
        • Face Detection
        • Mask Detection
        • Object Detection - Custom
        • Object Detection
        • Pose Estimation
        • Safety Equipment Detection
        • Social Distance Detector
        • Super Resolution
        • Text Detection
        • OCR
      • CNN Blocks
        • Average Pooling 2D
        • Batch Normalization
        • Choose Folder 2D
        • Compile Model
        • Conv. Sep. Layer 2D
        • Conv. Trans. Layer 2D
        • Convolutional Layer 2D
        • Dropout Layer
        • Flatten Layer 2D
        • Fully Connected
        • Global Average Pooling 2D
        • Global Max Pooling 2D
        • Input Layer 2D
        • Loss CCE
        • Max Pooling 2D
        • Metrics Accuracy
        • Model EfficientNet
        • Model MobileNet
        • Model ResNet
        • Model VGG
        • Optimizer Adadelta
        • Optimizer Adagrad
        • Optimizer Adam
        • Optimizer Adamax
        • Optimizer FTRL
        • Optimizer Nadam
        • Optimizer RMSProp
        • Optimizer SGD
        • ReLU Layer
        • Softmax Layer
        • Training Parameters
      • Data/Logic
        • Flow Control
          • Batch Concatenation
          • Batch Processing
          • Debatch
          • Get Batch Size
          • HMI Background
          • Subsystem Enabled
          • Subsystem In
          • Subsystem Loop
          • Subsystem Out
          • Subsystem
        • logic
          • All True
          • And
          • Demux
          • Equals
          • Greater
          • Logic Operations
          • Mux
          • Not
          • Or
          • Set - Reset
          • Smaller
        • Mathmetical Operations
          • Add
          • Counter
          • Divide
          • Math Operations
          • Maximum
          • Minimum
          • Multiply
          • Not Equals
          • Round
          • Square Root
          • Subtract
          • Trigonometry
        • Data Operations
          • Data Memory
          • Data to JSON
          • Data Type Converter
          • Datetime Compare
          • Dictionary Operations
          • Exclude Nones
          • Find Substring
          • Get Element
          • Is None
          • List Operations
          • Parse Data Dictionary
          • Replace None
          • String Merge
          • String Operations
        • Referencing
          • Data Read Global
          • Data Read Local
          • Data Write Global
          • Data Write Local
          • Debug Input
          • Tag From
          • Tag To
        • Signal Operators
          • Delay Step
          • Edge Falling
          • Edge Rising
          • Multi Port Switch
          • OFF Delay
          • ON Delay
      • Image/Transformations
        • Analysis
          • Color Density Percentage
          • Get Dimension
          • Histogram On Curve
          • Histogram On Line
          • Image Color Match
          • Image Memory
          • Image Resolution and Channel Value
          • Maximum Images
          • Mean Value of Image
          • Measure Position Distance
          • Minimum Images
          • Non-zero of Image
          • Std. of Image
          • Structural Similarity
        • Transformation Filters
          • Auto Alignment
          • Auto Contrast
          • Color Quantizer and Clustering
          • Color Space
          • Contrast-Brightness-Gamma
          • Contrast Optimization
          • Deconvolution
          • Denoising
          • Distance Transformation
          • FloodFill
          • Grab Cut Algorithm
        • Color Filters
          • 2D Filter
          • Apply Mask
          • Bilateral Filter
          • Blur
          • Edge Filter
          • HSV Filter
          • Image Adaptive Threshold
          • Image Threshold
          • Invert Image
          • Morphological Transformations
          • Normalize Image
          • RGB Mask
          • RGB Set
          • Sobel Filter
        • Operations
          • Add Images Weighted
          • Add Images
          • Collage Images
          • Divide Images
          • Flip Image
          • Image AutoRotator
          • Image Concatenate
          • Image Resize
          • Image Resizer
          • Merge Channels
          • Multiply Images
          • Polar Transform
          • Rotate Image Angle
          • Slice Image
          • Split Image
          • Subtract Images
      • Detections/Shapes
        • Detectors
          • Barcode Reader
          • Blob Detector
          • Blur Detector
          • Circle Detector
          • Corner Detector
          • Custom CNN Model
          • Data Matrix Reader
          • Detect Reference
          • Feature Detector
          • Find Object - Multiple Image
          • Find Object
          • Find Reference
          • Harris Corner Filter
          • Line Detector
          • Match Shapes
          • Measure Object Distance
          • Shape Detector
        • Draw
          • Draw Detections
          • Draw Line
          • Draw Point
          • Draw Rectangle
          • Draw Result On Image
          • Write Date On Image
          • Write Text On Image
        • Roi Processing
          • Check Area (Polygon)
          • Check Area
          • Get Pixel Mouse
          • Get Pixel
          • Get ROI
          • Image ROI Center
          • Image ROI Polygon
          • Image ROI Select Multi
          • Image ROI Select
          • Image ROI
          • Perspective Transform
          • Rectangles in Rectangle
        • Shape Analysis
          • Approximate Contour
          • Choose Line
          • Contour to Image
          • Fill Contour
          • Find Contour
          • Hull Convex
          • Minimum Circle
          • Minimum Ellipse
          • Minimum Rectangle
          • Minimum Rotated Rectangle
          • Most Similar Shape
          • Point Polygon Test
      • Input/Output
        • Communication
          • Modbus Connect
          • Modbus Read
          • Modbus Write
          • MQTT Publish
          • MQTT Subscribe
          • OPC UA Client
          • OPC UA Read
          • OPC UA Write
          • REST API - Get
          • REST API - Post
          • Send Mail
          • Siemens S7 Connect
          • Siemens S7 Read
          • Siemens S7 Write
        • Data Inputs
          • Date-Time List
          • Date-Time
          • Headless Check
          • Keyboard/Barcode Reader
          • Logic Input
          • Number Input
          • Number Range
          • PWM (Pulse Width Modulation)
          • Rising Edge
          • String Input
          • Text
        • Image Inputs
          • Camera IP (ONVIF)
          • Camera IP
          • Camera USB External
          • Camera USB Vidgear
          • Camera USB
          • Load Image From Path
          • Load Image
          • Make Image
          • Pixel
          • Video
        • Outputs/Exports
          • CSV Export
          • Cycle Timer
          • File/Folder Operations
          • GPU Statistics
          • Image Logger
          • Image Write
          • Led Output
          • Multi Image Write
          • Output
          • Scope
          • Show Image
          • Stop
  • 📡Geräte und Kommunikation
    • Kamera-Nutzung
    • Kommunikationsprotokolle
    • Weitere Lektüre
  • 🧩Beispielprojekte
    • Demo-Projekte
    • Umfangmessung
    • Objektezählung
    • Fliesenbreitenmessung
    • Menschenkennung
    • Objekterkennung
  • 🔑Hauptmerkmale
    • Benutzerdefinierte HMI-Anwendungen bereitstellen
    • Daten für die Objekterkennung annotieren
    • Benutzerdefinierte KI-Modelle trainieren
      • Die richtige Datenbank auswählen
      • Wann man das Training stoppen sollte
    • Plugins erstellen
      • Komponenten
      • Codereferenz
    • Teilen Sie Ihre Lösungen mit der Community
    • Python-Pakete installieren
  • 📑FAQ
    • Kontaktieren Sie uns
    • FAQ
    • Ein vollständiges Projekt einrichten
  • Zusätzliche Ressourcen
    • Schulungsplan
    • Schulung Materialien
    • AugeLab-Experten
  • Anhang
    • Wörterbuch
    • Referenzen
Powered by GitBook
On this page
  • 📥 Eingänge
  • 📤 Ausgänge
  • 🕹️ Steuerungen
  • 🎨 Funktionen
  • 📝 Nutzungshinweise
  • 📊 Bewertung
  • 💡 Tipps und Tricks
  • 🛠️ Fehlersuche

Was this helpful?

  1. Funktionsblöcke
  2. Alle Funktionsblöcke
  3. CNN Blocks

Optimizer Adamax

Dieser Funktionsblock ist dazu konzipiert, den Adamax-Optimizer zu konfigurieren, eine Variante des Adam-Optimierers, die sich gut für verschiedene Aufgaben des maschinellen Lernens eignet, insbesondere beim Umgang mit spärlichen Gradienten.

📥 Eingänge

Dieser Block hat keine Eingänge.

📤 Ausgänge

Der Block gibt einen konfigurierten Optimierer aus, der beim Training von neuronalen Netzwerken verwendet werden kann.

🕹️ Steuerungen

Learning Rate Ein Feld, in das Benutzer den Lernrate eingeben können, die steuert, wie viel das Modell bei jeder Aktualisierung der ModellGewichte in Reaktion auf den geschätzten Fehler geändert werden soll.

Beta 1 Ein Feld für die Zerfallsrate des ersten Moments, die den gleitenden Durchschnitt der Gradienten beeinflusst.

Beta 2 Ein Feld für die Zerfallsrate des zweiten Moments, das den gleitenden Durchschnitt der quadrierten Gradienten beeinflusst.

Epsilon Eine kleine Konstante, die hinzugefügt wird, um Division durch Null zu verhindern und die numerische Stabilität während der Optimierung zu gewährleisten.

🎨 Funktionen

Flexible Configuration Benutzer können Parameter wie Lernrate, Beta-Werte und Epsilon anpassen, sodass eine maßgeschneiderte Optimierung basierend auf den spezifischen Anforderungen des Trainings neuronaler Netzwerke möglich ist.

Easy Integration Dieser Optimierer kann leicht in Machine-Learning-Pipelines für effizientes Modelltraining integriert werden.

📝 Nutzungshinweise

  1. Set Learning Rate: Geben Sie eine Lernrate im entsprechenden Feld ein. Ein gängiger Ausgangspunkt ist 0.001.

  2. Adjust Beta Values: Geben Sie geeignete Werte für Beta 1 und Beta 2 ein. Typische Werte könnten 0.9 für Beta 1 und 0.999 für Beta 2 sein.

  3. Set Epsilon: Geben Sie einen kleinen Epsilon-Wert (z. B. 1e-07) ein, um Division-Fehler zu verhindern.

  4. Evaluate: Führen Sie den Block aus, um den konfigurierten Optimierer zu generieren, der dann beim Training neuronaler Netzwerke verwendet werden kann.

📊 Bewertung

Nach der Ausführung dieses Funktionsblocks erhalten Sie einen konfigurierten Adamax-Optimierer, der die von Ihnen angegebenen Parameter berücksichtigt.

💡 Tipps und Tricks

Lernrate anpassen

Wenn Sie sich über die Lernrate unsicher sind, sollten Sie mit 0.001 beginnen und Anpassungen basierend auf dem Fortschritt des Trainings vornehmen. Überwachen Sie Ihren Verlust, um Anpassungen zu leiten.

Beta-Werte

Die Verwendung der Standardwerte von Beta 1 als 0.9 und Beta 2 als 0.999 liefert in der Praxis normalerweise gute Ergebnisse. Passen Sie diese nur an, wenn Sie spezifische Bedürfnisse haben, die Änderungen erfordern.

Allgemeine Stabilität

Wenn Sie während des Trainings auf Instabilität stoßen, experimentieren Sie damit, den Wert von Epsilon leicht zu erhöhen, um zu sehen, ob dies die Leistung verbessert.

🛠️ Fehlersuche

Ungültige Eingabewerte

Wenn Sie einen Fehler bezüglich der Eingabewerte erhalten, stellen Sie sicher, dass Lernrate, Beta-Werte und Epsilon gültige Fließkommazahlen sind.

Optimizer nicht zurückgegeben

Wenn der Optimierer nicht erkannt wird oder anscheinend nicht funktioniert, stellen Sie sicher, dass er ordnungsgemäß mit dem Trainingsblock in Ihrem Arbeitsablauf verbunden ist.

PreviousOptimizer AdamNextOptimizer FTRL

Last updated 7 months ago

Was this helpful?

🧱