Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Iperparametri di segmentazione semantica
<a name="segmentation-hyperparameters"></a>

Le tabelle seguenti elencano gli iperparametri supportati dall'algoritmo di segmentazione semantica di Amazon SageMaker AI per l'architettura di rete, gli input di dati e la formazione. Puoi specificare la segmentazione semantica per l’addestramento in `AlgorithmName` della richiesta [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html).

**Iperparametri dell'architettura di rete**


| Nome parametro | Description | 
| --- | --- | 
| backbone |  Il backbone da utilizzare per il componente codificatore dell'algoritmo. **Opzionale** Valori validi: `resnet-50`, `resnet-101`  Valore predefinito: `resnet-50`  | 
| use\$1pretrained\$1model |  Indica se un modello già addestrato deve essere utilizzato per il backbone. **Opzionale** Valori validi: `True`, `False` Valore predefinito: `True`  | 
| algorithm |  L'algoritmo da utilizzare per la segmentazione semantica.  **Opzionale** Valori validi: [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/segmentation-hyperparameters.html) Valore predefinito: `fcn`  | 

**Iperparametri dei dati**


| Nome parametro | Description | 
| --- | --- | 
| num\$1classes |  Il numero di classi da segmentare. **Campo obbligatorio** Valori validi: 2 ≤ numero intero positivo ≤ 254  | 
| num\$1training\$1samples |  Il numero di esempi nei dati di addestramento. L'algoritmo utilizza questo valore per impostare il pianificatore della velocità di apprendimento. **Campo obbligatorio** Valori validi: numeri interi positivi  | 
| base\$1size |  Definisce il modo in cui le immagini vengono ridimensionate prima del ritaglio. Le immagini vengono ridimensionate in modo tale che la lunghezza delle dimensioni lunghe sia impostata su `base_size` moltiplicata per un numero casuale compreso tra 0,5 e 2.0 e la dimensione corta viene calcolata per mantenere le proporzioni. **Opzionale** Valori validi: numeri interi positivi > 16 Valore predefinito: 520  | 
| crop\$1size |  La dimensione dell'immagine per l'input durante l’addestramento. Riscaliamo casualmente l'immagine di input in base a `base_size`, quindi prendiamo un ritaglio quadrato casuale con lunghezza laterale uguale a `crop_size`. L'input `crop_size` verrà arrotondato automaticamente a multipli di 8. **Opzionale** Valori validi: numeri interi positivi > 16 Valore predefinito: 240  | 

**Iperparametri di addestramento**


| Nome parametro | Description | 
| --- | --- | 
| early\$1stopping |  Indica se utilizzare la logica di arresto precoce durante l’addestramento. **Opzionale** Valori validi: `True`, `False` Valore predefinito: `False`  | 
| early\$1stopping\$1min\$1epochs |  Il numero minimo di epoche (Unix epochs) che devono essere eseguite. **Opzionale** Valori validi: numero intero Valore predefinito: 5  | 
| early\$1stopping\$1patience |  Il numero di epoche (Unix epochs) che soddisfano la tolleranza per prestazioni inferiori prima che l'algoritmo applichi un arresto precoce. **Opzionale** Valori validi: numero intero Valore predefinito: 4  | 
| early\$1stopping\$1tolerance |  Se il miglioramento relativo di mIOU è inferiore a questo valore, l'arresto precoce considera l'epoca (Unix epoch) come non migliorata. Viene usato solo quando `early_stopping` = `True`. **Opzionale** Valori validi: 0 ≤ float ≤ 1 Valore predefinito: 0.0  | 
| epochs |  Il numero di epoche (Unix epochs) da usare per l’addestramento. **Opzionale** Valori validi: numeri interi positivi Valore predefinito: 10  | 
| gamma1 |  Il fattore di decadimento per la media mobile del gradiente squadrato per `rmsprop`. Usato solo per `rmsprop`. **Opzionale** Valori validi: 0 ≤ float ≤ 1 Valore predefinito: 0,9  | 
| gamma2 |  Il fattore di momento per `rmsprop`. **Opzionale** Valori validi: 0 ≤ float ≤ 1 Valore predefinito: 0,9  | 
| learning\$1rate |  La velocità di apprendimento iniziale.  **Opzionale** Valori validi: 0 < float ≤ 1 Valore predefinito: 0,001  | 
| lr\$1scheduler |  La forma del pianificatore della velocità di apprendimento che ne controlla la diminuzione nel tempo. **Opzionale** Valori validi:  [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/segmentation-hyperparameters.html) Valore predefinito: `poly`  | 
| lr\$1scheduler\$1factor |  Se `lr_scheduler` è impostato su `step`, il rapporto con cui ridurre (moltiplicare) `learning_rate` dopo ciascuna epoca specificata da `lr_scheduler_step`. In caso contrario, viene ignorato. **Opzionale** Valori validi: 0 ≤ float ≤ 1 Valore predefinito: 0,1  | 
| lr\$1scheduler\$1step |  Un elenco delimitato da virgole delle epoche dopo le quali `learning_rate` viene ridotto (moltiplicato) di un `lr_scheduler_factor`. Ad esempio, se il valore è impostato su `"10, 20"`, il `learning-rate` viene ridotto di `lr_scheduler_factor` dopo la decima epoca e nuovamente di tale fattore dopo la ventesima epoca. **Condizionalmente obbligatorio** se `lr_scheduler` è impostato su `step`. In caso contrario, viene ignorato. Valori validi: stringa Valore predefinito: (nessun valore predefinito, poiché il valore è obbligatorio quando viene utilizzato).  | 
| mini\$1batch\$1size |  Le dimensioni del batch per l’addestramento. L'utilizzo di un valore elevato per `mini_batch_size` di solito si traduce in un addestramento più veloce, ma potrebbe causare l'esaurimento della memoria. L'utilizzo della memoria è influenzato dai valori dei parametri `mini_batch_size` e `image_shape` e dall'architettura backbone. **Opzionale** Valori validi: numeri interi positivi  Valore predefinito: 16  | 
| momentum |  Il momento per l'ottimizzatore `sgd`. Quando usi altri ottimizzatori, l'algoritmo di segmentazione semantica ignora questo parametro. **Opzionale** Valori validi: 0 < float ≤ 1 Valore predefinito: 0,9  | 
| optimizer |  Il tipo di ottimizzatore. Per ulteriori informazioni su un ottimizzatore, scegli il collegamento appropriato: [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/segmentation-hyperparameters.html) **Opzionale** Valori validi: `adam`, `adagrad`, `nag`, `rmsprop`, `sgd`  Valore predefinito: `sgd`  | 
| syncbn |  Se impostato su`True`, la media e la varianza di normalizzazione del batch vengono calcolate su tutti i campioni elaborati in. GPUs **Opzionale**  Valori validi: `True`, `False`  Valore predefinito: `False`  | 
| validation\$1mini\$1batch\$1size |  Le dimensioni del batch per la convalida. Un valore elevato per `mini_batch_size` di solito si traduce in un addestramento più veloce, ma potrebbe causare l'esaurimento della memoria. L'utilizzo della memoria è influenzato dai valori dei parametri `mini_batch_size` e `image_shape` e dall'architettura backbone.  [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/segmentation-hyperparameters.html) **Opzionale** Valori validi: numeri interi positivi Valore predefinito: 16  | 
| weight\$1decay |  Il coefficiente di decadimento del peso per l'ottimizzatore `sgd`. Quando usi altri ottimizzatori, l'algoritmo ignora questo parametro.  **Opzionale** Valori validi: 0 < float < 1 Valore predefinito: 0.0001  |