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.

# Semantische Segmentierungshyperparameter
<a name="segmentation-hyperparameters"></a>

In den folgenden Tabellen sind die Hyperparameter aufgeführt, die vom Semantischen Segmentierungsalgorithmus von Amazon SageMaker AI für Netzwerkarchitektur, Dateneingaben und Training unterstützt werden. Sie geben Semantische Segmentierung für Trainings im `AlgorithmName` der [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html)-Anforderung an.

**Netzwerkarchitekturhyperparameter**


| Name des Parameters | Description | 
| --- | --- | 
| backbone |  Das Backbone, der für die Encoder-Komponente des Algorithmus verwendet werden soll. **Optional** Zulässige Werte: `resnet-50`, `resnet-101`  Standardwert: `resnet-50`  | 
| use\$1pretrained\$1model |  Gibt an, ob eine vortrainiertes Modell für das Backbone verwendet werden soll. **Optional** Zulässige Werte: `True`, `False` Standardwert: `True`  | 
| algorithm |  Der Algorithmus, der für die semantische Segmentierung verwendet werden soll.  **Optional** Zulässige Werte: [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/sagemaker/latest/dg/segmentation-hyperparameters.html) Standardwert: `fcn`  | 

**Datenhyperparameter**


| Name des Parameters | Description | 
| --- | --- | 
| num\$1classes |  Die Anzahl der Klassen, die segmentiert werden sollen. **Erforderlich** Gültige Werte: 2 ≤ positive Ganzzahl ≤ 254  | 
| num\$1training\$1samples |  Die Anzahl von Stichproben in den Trainingsdaten. Der Algorithmus verwendet diesen Wert zum Einrichten der des Lernraten-Schedulers. **Erforderlich** Gültige Werte: positive Ganzzahl  | 
| base\$1size |  Definiert, wie Bilder vor dem Zuschneiden neu skaliert werden. Bilder werden so neu skaliert, dass die Länge des langen Formats auf `base_size`, multipliziert mit einer Zufallszahl von 0,5 bis 2,0, eingestellt wird und das Kurzformat so berechnet wird, dass das Seitenverhältnis gewahrt bleibt. **Optional** Gültige Werte: positive Ganzzahl > 16 Standardwert: 520  | 
| crop\$1size |  Die Bildgröße für die Eingabe während des Trainings. Wir skalieren das Eingabebild basierend auf `base_size` nach dem Zufallsprinzip neu und nehmen dann einen zufälligen quadratischen Zuschnitt mit der Seitenlänge gleich `crop_size`. Der Wert für `crop_size` wird automatisch auf ein Vielfaches von 8 aufgerundet. **Optional** Gültige Werte: positive Ganzzahl > 16 Standardwert: 240  | 

**Trainingshyperparameter**


| Name des Parameters | Description | 
| --- | --- | 
| early\$1stopping |  Gibt an, ob die Logik zum frühzeitigen Beenden während des Trainings verwendet werden soll. **Optional** Zulässige Werte: `True`, `False` Standardwert: `False`  | 
| early\$1stopping\$1min\$1epochs |  Die Mindestanzahl der Epochen, die ausgeführt werden müssen. **Optional** Gültige Werte: Ganzzahl Standardwert: 5  | 
| early\$1stopping\$1patience |  Die Anzahl der Epochen, die die Toleranz für niedrigere Leistung erfüllen, bevor der Algorithmus eine frühzeitige Beendigung erzwingt. **Optional** Gültige Werte: Ganzzahl Standardwert: 4  | 
| early\$1stopping\$1tolerance |  Wenn die relative Verbesserung des Ergebnisses des Trainingsauftrags, mIOU, kleiner ist als dieser Wert, wird die Epoche vom frühzeitigen Beenden als nicht verbessert angesehen. Dies wird nur verwendet, wenn `early_stopping` = `True`. **Optional** Gültige Werte: 0 ≤ Float ≤ 1 Standardwert: 0.0  | 
| epochs |  Die Anzahl der Epochen, mit denen das Training durchgeführt werden soll. **Optional** Gültige Werte: positive Ganzzahl Standardwert: 10  | 
| gamma1 |  Ein Zerfallsfaktor für den gleitenden Durchschnitt des Verlaufs im Quadrat für `rmsprop`. Wird nur für`rmsprop` verwendet. **Optional** Gültige Werte: 0 ≤ Float ≤ 1 Standardwert: 0.9  | 
| gamma2 |  Der Impulsfaktor für `rmsprop`. **Optional** Gültige Werte: 0 ≤ Float ≤ 1 Standardwert: 0.9  | 
| learning\$1rate |  Die anfängliche Lernrate.  **Optional** Gültige Werte: 0 < Float ≤ 1 Standardwert: 0.001  | 
| lr\$1scheduler |  Die Form des Lernraten-Schedulers, der die Verringerung im Zeitverlauf steuert. **Optional** Zulässige Werte:  [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/sagemaker/latest/dg/segmentation-hyperparameters.html) Standardwert: `poly`  | 
| lr\$1scheduler\$1factor |  Wenn `lr_scheduler` auf `step` gesetzt ist, ist das Verhältnis, um das `learning_rate` nach jeder der durch die angegebenen Epochen reduziert (multipliziert) werden soll, angegeben nach `lr_scheduler_step`. Andernfalls ignoriert. **Optional** Gültige Werte: 0 ≤ float ≤ 1 Standardwert: 0.1  | 
| lr\$1scheduler\$1step |  Eine kommagetrennte Liste der Epochen, nach denen `learning_rate` mit einem reduziert (multipliziert) wird, nach `lr_scheduler_factor`. Wird der Wert z. B. auf "`"10, 20"` festgelegt, so wird die `learning-rate` nach der 10. Epoche um `lr_scheduler_factor` reduziert, und nach der 20. Epoche nochmals um diesen Faktor. **Bedingt erforderlich**, wenn `lr_scheduler` auf `step` gesetzt ist. Andernfalls ignoriert. Gültige Werte: Zeichenfolge Standardwert: (Kein Standardwert, da der Wert erforderlich ist, wenn er verwendet wird.)  | 
| mini\$1batch\$1size |  Die Batch-Größe für das Training. Das Verwenden einer großen `mini_batch_size` beschleunigt in der Regel das Training, kann jedoch dazu führen, dass nicht mehr genügend Speicherplatz vorhanden ist. Die Speichernutzung wird von den Werten der Parameter `mini_batch_size` und `image_shape` und der Backbone-Architektur beeinflusst. **Optional** Gültige Werte: positive Ganzzahl  Standardwert: 16  | 
| momentum |  Die Dynamik für den `sgd`-Optimierer. Wenn Sie andere Optimierer verwenden, ignoriert der Algorithmus für die semantische Segmentierung diesen Parameter. **Optional** Gültige Werte: 0 < float ≤ 1 Standardwert: 0.9  | 
| optimizer |  Der Typ des Optimierers. Für weitere Informationen zu einem Optimierer wählen Sie den entsprechenden Link aus: [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/sagemaker/latest/dg/segmentation-hyperparameters.html) **Optional** Gültige Werte: `adam`, `adagrad`, `nag`, `rmsprop`, `sgd`  Standardwert: `sgd`  | 
| syncbn |  Wenn auf gesetzt`True`, werden der Mittelwert und die Varianz der Batch-Normalisierung für alle Proben berechnet, die im Laufe des verarbeitet wurden. GPUs **Optional**  Zulässige Werte: `True`, `False`  Standardwert: `False`  | 
| validation\$1mini\$1batch\$1size |  Die Stapelgröße für die Validierung. Eine große `mini_batch_size` beschleunigt in der Regel das Training, kann jedoch dazu führen, dass nicht mehr genügend Speicherplatz vorhanden ist. Die Speichernutzung wird von den Werten der Parameter `mini_batch_size` und `image_shape` und der Backbone-Architektur beeinflusst.  [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/sagemaker/latest/dg/segmentation-hyperparameters.html) **Optional** Gültige Werte: positive Ganzzahl Standardwert: 16  | 
| weight\$1decay |  Der Weight-Decay-Koeffizient für den `sgd`-Optimierer. Wenn Sie andere Optimierer verwenden, ignoriert der Algorithmus diesen Parameter.  **Optional** Gültige Werte: 0 < Gleitkommazahl < 1 Standardwert: 0.0001  |