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
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 [`CreateTrainingJob`](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\_pretrained\_model | 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:+ `fcn`: Algoritmo di [Fully-Convolutional rete](https://arxiv.org/abs/1605.06211) (FCN)
+ `psp`: [algoritmo Pyramid Scene Parsing (PSP)](https://arxiv.org/abs/1612.01105)
+ `deeplab`: algoritmo [DeepLab V3](https://arxiv.org/abs/1706.05587)
Valore predefinito: `fcn` |
**Iperparametri dei dati**
| Nome parametro | Description |
| --- | --- |
| num\_classes | Il numero di classi da segmentare.
**Campo obbligatorio**
Valori validi: 2 ≤ numero intero positivo ≤ 254 |
| num\_training\_samples | 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\_size | 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\_size | 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\_stopping | Indica se utilizzare la logica di arresto precoce durante l’addestramento.
**Opzionale**
Valori validi: `True`, `False`
Valore predefinito: `False` |
| early\_stopping\_min\_epochs | Il numero minimo di epoche (Unix epochs) che devono essere eseguite.
**Opzionale**
Valori validi: numero intero
Valore predefinito: 5 |
| early\_stopping\_patience | 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\_stopping\_tolerance | 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\_rate | La velocità di apprendimento iniziale.
**Opzionale**
Valori validi: 0 < float ≤ 1
Valore predefinito: 0,001 |
| lr\_scheduler | La forma del pianificatore della velocità di apprendimento che ne controlla la diminuzione nel tempo.
**Opzionale**
Valori validi: + `step`: un decadimento graduale, in cui il tasso di apprendimento viene ridotto (moltiplicato) per `lr_scheduler_factor` dopo epoche successive specificate da `lr_scheduler_step`.
+ `poly`: un decadimento lineare utilizzando una funzione polinomiale.
+ `cosine`: un decadimento lineare utilizzando una funzione cosinusoide.
Valore predefinito: `poly` |
| lr\_scheduler\_factor | 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\_scheduler\_step | 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\_batch\_size | 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:+ `adam`: [stima del momento adattivo](https://en.wikipedia.org/wiki/Stochastic_gradient_descent#Adam)
+ `adagrad`: [Discesa del gradiente adattiva](https://en.wikipedia.org/wiki/Stochastic_gradient_descent#AdaGrad)
+ `nag`: [Gradiente accelerato Nesterov](https://calculus.subwiki.org/wiki/Nesterov%27s_gradient_acceleration)
+ `rmsprop`: [Propagazione della radice valore quadratico medio](https://en.wikipedia.org/wiki/Stochastic_gradient_descent#RMSProp)
+ `sgd`: la [discesa stocastica del gradiente](https://en.wikipedia.org/wiki/Stochastic_gradient_descent)
**Opzionale**
Valori validi: `adam`, `adagrad`, `nag`, `rmsprop`, `sgd`
Valore predefinito: `sgd` |
| syncbn | Se il valore è impostato su `True`, la media e la varianza di normalizzazione batch vengono calcolate su tutti i campioni elaborati attraverso le GPU.
**Opzionale**
Valori validi: `True`, `False`
Valore predefinito: `False` |
| validation\_mini\_batch\_size | 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. + Per assegnare un punteggio alla convalida sull'intera immagine senza ritagliare immagini, imposta questo parametro su 1. Utilizza questa opzione se vuoi misurare le prestazioni dell'intera immagine nel complesso. Impostando il parametro `validation_mini_batch_size` su 1, l'algoritmo crea un nuovo modello di rete per ogni immagine. Questo potrebbe rallentare la convalida e l’addestramento.
+ Per ritagliare le immagini alla dimensione specificata nel parametro `crop_size`, anche durante la valutazione, imposta il parametro su un valore maggiore di 1.
**Opzionale**
Valori validi: numeri interi positivi
Valore predefinito: 16 |
| weight\_decay | 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 |