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.

# Objekterkennung - TensorFlow
<a name="object-detection-tensorflow"></a>

Der Amazon SageMaker AI Object Detection — TensorFlow Algorithmus ist ein überwachter Lernalgorithmus, der Transferlernen mit vielen vortrainierten Modellen aus dem [TensorFlow Model Garden](https://github.com/tensorflow/models) unterstützt. Verwenden Sie Transfer Learning, um eines der verfügbaren vortrainierten Modelle anhand Ihres eigenen Datensatzes zu optimieren, auch wenn eine große Menge an Bilddaten nicht verfügbar ist. Der Objekterkennungsalgorithmus verwendet ein Bild als Eingabe und gibt eine Liste von Begrenzungsrahmen aus. Trainingsdatensätze müssen aus Bildern bestehen. `jpg`,`.jpeg`, oder `.png` Format. Diese Seite enthält Informationen zu Amazon EC2 EC2-Instance-Empfehlungen und Beispiel-Notebooks für Object Detection - TensorFlow.

**Topics**
+ [So verwenden Sie den SageMaker KI-Objekterkennungsalgorithmus TensorFlow](object-detection-tensorflow-how-to-use.md)
+ [Eingabe- und Ausgabeschnittstelle für den TensorFlow Objekterkennungsalgorithmus](object-detection-tensorflow-inputoutput.md)
+ [Amazon EC2 EC2-Instance-Empfehlung für den Objekterkennungsalgorithmus TensorFlow](#object-detection-tensorflow-instances)
+ [Objekterkennung — TensorFlow Beispiel-Notizbücher](#object-detection-tensorflow-sample-notebooks)
+ [So TensorFlow funktioniert die Objekterkennung](object-detection-tensorflow-HowItWorks.md)
+ [TensorFlow Modelle](object-detection-tensorflow-Models.md)
+ [Objekterkennung — TensorFlow Hyperparameter](object-detection-tensorflow-Hyperparameter.md)
+ [Optimieren Sie ein Objekterkennungsmodell TensorFlow](object-detection-tensorflow-tuning.md)

## Amazon EC2 EC2-Instance-Empfehlung für den Objekterkennungsalgorithmus TensorFlow
<a name="object-detection-tensorflow-instances"></a>

Der TensorFlow Objekterkennungsalgorithmus unterstützt alle GPU-Instances für das Training, einschließlich:
+ `ml.p2.xlarge`
+ `ml.p2.16xlarge`
+ `ml.p3.2xlarge`
+ `ml.p3.16xlarge`

Wir empfehlen die Verwendung von GPU-Instances mit mehr Arbeitsspeicher zum Training mit großen Stapelgrößen. Es können jedoch sowohl CPU-Instances (wie C5 und M5) als auch GPU-Instances (wie P2 und P3) für die Interferenz verwendet werden. Eine umfassende Liste der SageMaker Trainings- und Inferenzinstanzen in allen AWS Regionen finden Sie unter [ SageMaker Amazon-Preise](https://aws.amazon.com/sagemaker/pricing/).

## Objekterkennung — TensorFlow Beispiel-Notizbücher
<a name="object-detection-tensorflow-sample-notebooks"></a>

Weitere Informationen zur Verwendung des SageMaker TensorFlow KI-Objekterkennungsalgorithmus für Transfer-Lernen an einem benutzerdefinierten Datensatz finden Sie im Notizbuch [Einführung in SageMaker TensorFlow — Objekterkennung](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/object_detection_tensorflow/Amazon_Tensorflow_Object_Detection.ipynb).

Anweisungen zum Erstellen und Zugreifen auf Jupyter-Notebook-Instanzen, mit denen Sie das Beispiel in SageMaker KI ausführen können, finden Sie unter. [SageMaker Amazon-Notebook-Instanzen](nbi.md) Nachdem Sie eine Notebook-Instanz erstellt und geöffnet haben, wählen Sie die Registerkarte **SageMaker KI-Beispiele** aus, um eine Liste aller KI-Beispiele anzuzeigen. SageMaker Zum Öffnen eines Notebooks wählen Sie die Registerkarte **Verwenden** und dann **Kopie erstellen** aus.