As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Regras de validação para arquivos de manifesto
Ao importar um arquivo de manifesto, o Amazon Rekognition Custom Labels aplica regras de validação para limites, sintaxe e semântica. O esquema SageMaker Ground Truth impõe a validação da sintaxe. Para obter mais informações, consulte Saídas. A seguir estão as regras de validação para limites e semântica.
nota
-
As regras de invalidade de 20% se aplicam cumulativamente a todas as regras de validação. Se a importação exceder o limite de 20% devido a qualquer combinação, como 15% de imagens inválidas JSON e 15% de imagens inválidas, a importação falhará.
-
Cada objeto do conjunto de dados é uma linha no manifesto. Linhas em branco/inválidas também são contadas como objetos do conjunto de dados.
-
As sobreposições são (rótulos comuns entre teste e treinamento)/(rótulos de treinamento).
Limites
| Validação | Limite | Erro gerado |
|---|---|---|
|
Tamanho do arquivo de manifesto |
Máximo de 1 GB |
Erro |
|
Contagem máxima de linhas para um arquivo de manifesto |
Máximo de 250 mil objetos do conjunto de dados como linhas em um manifesto. |
Erro |
|
Limite inferior no número total de objetos de conjunto de dados válidos por rótulo |
>=1 |
Erro |
|
Limite inferior nos rótulos |
>=2 |
Erro |
|
Limite superior nos rótulos |
<= 250 |
Erro |
|
Mínimo de caixas delimitadoras por imagem |
0 |
Nenhum |
|
Máximo de caixas delimitadoras por imagem |
50 |
Nenhum |
Semântica
| Validação | Limite | Erro gerado |
|---|---|---|
|
Manifesto vazio |
Erro |
|
|
Objeto /in-accessible source-ref ausente |
Número de objetos menor que 20% |
Aviso |
|
Objeto /in-accessible source-ref ausente |
Número de objetos > 20% |
Erro |
|
Rótulos de teste não presentes no conjunto de dados de treinamento |
Pelo menos 50% de sobreposição nos rótulos |
Erro |
|
Combinação de exemplos de rótulos versus objetos para o mesmo rótulo em um conjunto de dados. Classificação e detecção da mesma classe em um objeto de conjunto de dados. |
Nenhum erro ou aviso |
|
|
Como sobrepor ativos entre teste e treinamento |
Não deve haver uma sobreposição entre os conjuntos de dados de teste e treinamento. |
|
|
As imagens em um conjunto de dados devem ser do mesmo bucket |
Erro se os objetos estiverem em um bucket diferente |
Erro |
