物体检测- TensorFlow - Amazon SageMaker
Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异,请参阅 中国的 Amazon Web Services 服务入门 (PDF)

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。

物体检测- TensorFlow

Amazon SageMaker Object Detection- 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TensorFlow 模型进行迁移学习。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 算法支持所有训练GPU实例,包括:

  • ml.p2.xlarge

  • ml.p2.16xlarge

  • ml.p3.2xlarge

  • ml.p3.16xlarge

对于大批量训练,我们建议使用内存更大的GPU实例。两个实例CPU(例如 M5)和GPU(P2 或 P3)实例都可用于推理。有关各 Amazon 区域 SageMaker 训练和推理实例的完整列表,请参阅 Amazon SageMaker 定价

物体检测- TensorFlow 样本笔记本

有关如何使用 SageMaker 对象检测- 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中运行示例的 Jupyter 笔记本实例的说明 SageMaker,请参阅。Amazon SageMaker 笔记本实例创建并打开笔记本实例后,选择 “SageMaker示例” 选项卡以查看所有 SageMaker 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