Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Validierungsregeln für Manifestdateien
Wenn Sie eine Manifestdatei importieren, wendet Amazon Rekognition Custom Labels Validierungsregeln für Grenzwerte, Syntax und Semantik an. Das SageMaker AI Ground Truth Schema erzwingt die Syntaxvalidierung. Weitere Informationen finden Sie unter Ausgaben: Im Folgenden finden Sie die Validierungsregeln für Grenzwerte und Semantik.
Anmerkung
-
Die Ungültigkeitsregeln von 20 % gelten kumulativ für alle Validierungsregeln. Wenn der Import aufgrund einer beliebigen Kombination, z. B. aufgrund von 15% ungültigen JSON und 15% ungültigen Bildern, die Grenze von 20% überschreitet, schlägt der Import fehl.
-
Jedes Datensatz-Objekt ist eine Zeile im Manifest. Leere/ungültige Zeilen werden ebenfalls als Datensatzobjekte gezählt.
-
Überlappungen sind (gemeinsame Labels zwischen Test und Training)/(Trainingslabels).
Themen
Einschränkungen
| Validierung | Limit | Es wurde ein Fehler gemeldet |
|---|---|---|
|
Größe der Manifestdatei |
Maximal 1 GB |
Fehler |
|
Maximale Zeilenanzahl für eine Manifestdatei |
Maximal 250 000 Datensatz-Objekte als Zeilen in einem Manifest. |
Fehler |
|
Untere Grenze für die Gesamtzahl gültiger Datensatz-Objekte pro Label |
>=1 |
Fehler |
|
Untere Grenze auf Labels |
>=2 |
Fehler |
|
Obere Grenze auf Labels |
<= 250 |
Fehler |
|
Minimale Anzahl von Begrenzungsrahmen pro Bild |
0 |
None |
|
Maximale Anzahl von Begrenzungsrahmen pro Bild |
50 |
None |
Semantik
| Validierung | Limit | Es wurde ein Fehler gemeldet |
|---|---|---|
|
Leeres Manifest |
Fehler |
|
|
Fehlendes oder unzugängliches Quellennachweisobjekt |
Anzahl der Objekte weniger als 20 % |
Warnung |
|
Fehlendes oder unzugängliches Quellennachweisobjekt |
Anzahl der Objekte > 20 % |
Fehler |
|
Test-Labels sind im Trainingsdatensatz nicht vorhanden |
Die Labels überlappen sich mindestens zu 50 % |
Fehler |
|
Mischung aus Label-Beispielen und Objektbeispielen für dasselbe Label in einem Datensatz. Klassifizierung und Erkennung für dieselbe Klasse in einem Datensatzobjekt. |
Kein Fehler oder keine Warnung |
|
|
Überlappende Ressourcen zwischen Test und Training |
Es sollte keine Überschneidung zwischen Test- und Trainingsdatensätzen geben. |
|
|
Die Bilder in einem Datensatz müssen aus demselben Bucket stammen |
Fehler, wenn sich die Objekte in einem anderen Bucket befinden |
Fehler |
