本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 物件偵測 - TensorFlow
<a name="object-detection-tensorflow"></a>

Amazon SageMaker AI 物件偵測 - TensorFlow 演算法是一種監督式學習演算法，可支援使用 [TensorFlow 模型花園](https://github.com/tensorflow/models)中許多預先訓練的模型進行轉移學習。即使無法提供大量映像資料，您也可以使用轉移學習來微調自己的資料集上其中一個可用的預先訓練模型。物件偵測演算法會將映像做為輸入，並輸出邊界框清單。訓練資料集必須包含使用 .`jpg`、`.jpeg` 或 `.png` 格式的映像。此頁面包含 Amazon EC2 執行個體推薦服務和物件偵測 - TensorFlow 範例筆記本的相關資訊。

**Topics**
+ [如何使用 SageMaker AI 物件偵測 - TensorFlow 演算法](object-detection-tensorflow-how-to-use.md)
+ [物件偵測 - TensorFlow演算法的輸入和輸出介面](object-detection-tensorflow-inputoutput.md)
+ [適用於物件偵測 - TensorFlow演算法的 Amazon EC2 執行個體推薦服務](#object-detection-tensorflow-instances)
+ [物件偵測 - TensorFlow 範例筆記本](#object-detection-tensorflow-sample-notebooks)
+ [物件偵測 - TensorFlow 的運作方式](object-detection-tensorflow-HowItWorks.md)
+ [TensorFlow 模型](object-detection-tensorflow-Models.md)
+ [物件偵測 - TensorFlow 超參數](object-detection-tensorflow-Hyperparameter.md)
+ [調整物件偵測 - TensorFlow 模型](object-detection-tensorflow-tuning.md)

## 適用於物件偵測 - TensorFlow演算法的 Amazon EC2 執行個體推薦服務
<a name="object-detection-tensorflow-instances"></a>

物件偵測 - TensorFlow 演算法支援所有適用於訓練的 GPU 執行個體，包含：
+ `ml.p2.xlarge`
+ `ml.p2.16xlarge`
+ `ml.p3.2xlarge`
+ `ml.p3.16xlarge`

我們推薦以記憶體容量較大的 GPU 執行個體用於大批次訓練。CPU (例如 M5) 和 GPU (P2 或 P3) 執行個體都可用來進行推論。如需跨 AWS 區域 SageMaker 訓練和推論執行個體的完整清單，請參閱 [Amazon SageMaker 定價](https://aws.amazon.com/sagemaker/pricing/)。

## 物件偵測 - TensorFlow 範例筆記本
<a name="object-detection-tensorflow-sample-notebooks"></a>

如需如何使用 SageMaker AI 物件偵測 - TensorFlow 演算法在自訂資料集上進行轉移學習的更多相關資訊，請參閱 [SageMaker TensorFlow - 物件偵測簡介](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/object_detection_tensorflow/Amazon_Tensorflow_Object_Detection.ipynb)筆記本。

如需如何建立並存取 Jupyter 筆記本執行個體以用來執行 SageMaker AI 中範例的指示，請參閱[Amazon SageMaker 筆記本執行個體](nbi.md)。建立並開啟筆記本執行個體後，請選擇 **SageMaker AI 範例**索引標籤，查看所有 SageMaker AI 範例清單。若要開啟筆記本，請選擇其**使用**標籤，然後選擇**建立複本**。