Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Deteksi Objek - TensorFlow

Algoritma Amazon SageMaker AI Object Det TensorFlow ection - adalah algoritma pembelajaran terawasi yang mendukung pembelajaran transfer dengan banyak model pra-latih dari TensorFlow Model Garden. Gunakan pembelajaran transfer untuk menyempurnakan salah satu model pra-pelatihan yang tersedia pada dataset Anda sendiri, bahkan jika sejumlah besar data gambar tidak tersedia. Algoritma deteksi objek mengambil gambar sebagai input dan mengeluarkan daftar kotak pembatas. Kumpulan data pelatihan harus terdiri dari gambar di. jpg,.jpeg, atau .png format. Halaman ini mencakup informasi tentang rekomendasi instans Amazon EC2 dan contoh buku catatan untuk Deteksi Objek - TensorFlow.

Rekomendasi instans Amazon EC2 untuk Deteksi Objek - algoritma TensorFlow

TensorFlow Algoritma Deteksi Objek mendukung semua instance GPU untuk pelatihan, termasuk:

Kami merekomendasikan instans GPU dengan lebih banyak memori untuk pelatihan dengan ukuran batch besar. Instans CPU (seperti M5) dan GPU (P2 atau P3) dapat digunakan untuk inferensi. Untuk daftar lengkap instance SageMaker pelatihan dan inferensi di seluruh Wil AWS ayah, lihat SageMaker Harga https://aws.amazon.com/sagemaker/pricing/ Amazon.

Deteksi Objek - TensorFlow contoh notebook

Untuk informasi selengkapnya tentang cara menggunakan SageMaker AI Object Detection - TensorFlow algoritma untuk transfer pembelajaran pada dataset khusus, lihat Peng antar SageMaker TensorFlow - Buku catatan Deteksi Objek.

Untuk petunjuk cara membuat dan mengakses instance notebook Jupyter yang dapat Anda gunakan untuk menjalankan contoh di SageMaker AI, lihat. Instans SageMaker notebook Amazon Setelah Anda membuat instance notebook dan membukanya, pilih tab Contoh SageMaker AI untuk melihat daftar semua sampel SageMaker AI. Untuk membuka buku catatan, pilih tab Gunakan dan pilih Buat salinan.