选择您的 Cookie 首选项

我们使用必要 Cookie 和类似工具提供我们的网站和服务。我们使用性能 Cookie 收集匿名统计数据,以便我们可以了解客户如何使用我们的网站并进行改进。必要 Cookie 无法停用,但您可以单击“自定义”或“拒绝”来拒绝性能 Cookie。

如果您同意,AWS 和经批准的第三方还将使用 Cookie 提供有用的网站功能、记住您的首选项并显示相关内容,包括相关广告。要接受或拒绝所有非必要 Cookie,请单击“接受”或“拒绝”。要做出更详细的选择,请单击“自定义”。

物体检测- TensorFlow

聚焦模式
物体检测- TensorFlow - 亚马逊 SageMaker AI

本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。

本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。

Amazon SageMaker AI 对象检测 TensorFlow 算法是一种监督学习算法,它支持使用模型花园中的许多预训练模型进行迁移学习。TensorFlow 使用迁移学习,即使没有大量图像数据可用,也可以在您自己的数据集上对一个可用的预训练模型进行微调。对象检测算法将图像作为输入,并输出边界框列表。训练数据集必须由 .jpg.jpeg.png 格式的图像组成。本页包含有关 Amazon EC2 实例推荐和对象检测示例笔记本的信息- TensorFlow。

针对对象检测- TensorFlow 算法的 Amazon EC2 实例推荐

物体检测- TensorFlow 算法支持所有 GPU 实例进行训练,包括:

  • ml.p2.xlarge

  • ml.p2.16xlarge

  • ml.p3.2xlarge

  • ml.p3.16xlarge

对于大批量训练,建议使用具有更多内存的 GPU 实例。CPU(例如 M5)实例和 GPU(P2 或 P3)实例都可用于推理。有关各 AWS 区域 SageMaker 训练和推理实例的完整列表,请参阅 Amazon A SageMaker I 定价

物体检测- TensorFlow 样本笔记本

有关如何使用 SageMaker AI 物体检测- TensorFlow 算法对自定义数据集进行迁移学习的更多信息,请参阅《物体检测简介》笔记本。 SageMaker TensorFlow

有关如何创建和访问可用于在 SageMaker AI 中运行示例的 Jupyter 笔记本实例的说明,请参阅。Amazon SageMaker 笔记本实例创建并打开笔记本实例后,选择 SageMaker AI 示例选项卡以查看所有 SageMaker AI 示例的列表。要打开笔记本,请选择其使用选项卡,然后选择创建副本

隐私网站条款Cookie 首选项
© 2025, Amazon Web Services, Inc. 或其附属公司。保留所有权利。