训练工具参数

启动训练集对话框，用于指定样本集和已标注图像的百分比，以便在每次启动新训练时进行随机选择，作为神经网络的训练样本。

指定训练过程中的优化迭代次数。如果您的应用程序复杂性有限，或者在测试不同参数设置时较低质量的模型可能有用，可以降低此设置。

时期是将整个训练集传递到神经网络的术语。

蓝色读取工具的设置小得多 (10)，因为它已经在不同的字符集上具有经过训练的网络。但是，对于其他工具，您从一个未初始化的网络开始，它们通常需要学习训练图像集数据大约 50 次（并且在“微调”区域），这是默认设置，并且通常足以满足大多数标准应用的要求。

选择使用较少的时期可能导致神经网络卡在学习阶段或无法准确解决问题，而时期太多可能导致过度拟合（又称过度训练）结果，即它只会学习训练后的图像，将训练图像之外的任何内容都视为无效。必须将网络训练到能推及整个训练图像集的程度。如果过多地增加时期，则存在过度训练和过度拟合训练图像集数据的风险。

指定用于应对不同视觉复杂程度的模型容量。对于非常简单的模式，应使用较低的容量来防止过度适配。对于复杂图像或对象，应该使用更高的容量来防止适配不足。

指定为了更好地处理在图像和/或图像的不同区域内显示分布极不均匀的复杂度的统计难题，要执行的迭代训练次数。此参数有助于将工具引导到视图中存在复杂性的位置。当视图包含多个独特的结构化区域时，这非常有用。它将使算法忽略低复杂度的区域（例如没有细节的白色背景）并且关注具有复杂度更高的区域（例如线条和其他精细细节）。