Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
# Die Manifeste mit Validierungsergebnissen von Trainings und Tests verstehen
Während des Trainings erstellt Amazon Rekognition Custom Labels Manifeste für Validierungsergebnisse, um nicht endgültige JSON-Zeilenfehler zu speichern. Die Manifeste der Validierungsergebnisse sind Kopien der Trainings- und Testdatensätze, denen Fehlerinformationen hinzugefügt wurden. Nach Abschluss des Trainings können Sie auf die Validierungsmanifeste zugreifen. Weitere Informationen finden Sie unter [Abrufen der Validierungsergebnisse](tm-debugging-getting-validation-data.md). Amazon Rekognition Custom Labels erstellt außerdem eine Manifestzusammenfassung, die zusammenfassende Informationen für JSON-Zeilenfehler enthält, wie z. B. Fehlerpositionen und Anzahl der JSON-Zeilenfehler. Weitere Informationen finden Sie unter [Die Manifestzusammenfassung verstehen](tm-debugging-summary.md).
**Anmerkung**
Validierungsergebnisse (Manifestzusammenfassung mit Validierungsergebnissen für Trainings und Tests) werden nur erstellt, wenn keine [Liste der Fehler in der Terminal-Manifestdatei](tm-debugging.md#tm-error-category-terminal) vorhanden sind.
Ein Manifest enthält JSON-Zeilen für jedes Bild im Datensatz. In den Manifesten der Validierungsergebnissen werden JSON-Zeilen-Fehlerinformationen zu den JSON-Zeilen hinzugefügt, in denen Fehler auftreten.
Ein JSON-Zeilenfehler ist ein Fehler, der kein endgültiger Fehler ist und sich auf ein einzelnes Bild bezieht. Ein nicht endgültiger Validierungsfehler kann die gesamte JSON-Zeile oder nur einen Teil davon ungültig machen. Wenn das Bild, auf das in einer JSON-Zeile verwiesen wird, beispielsweise nicht im PNG- oder JPG-Format vorliegt, tritt ein [ERROR\_INVALID\_IMAGE](tm-debugging-json-line-errors.md#tm-error-ERROR_INVALID_IMAGE)-Fehler auf und die gesamte JSON-Zeile wird vom Training ausgeschlossen. Das Training wird mit anderen gültigen JSON-Zeilen fortgesetzt.
Innerhalb einer JSON-Zeile kann ein Fehler bedeuten, dass die JSON-Zeile weiterhin für das Training verwendet werden kann. Wenn beispielsweise der linke Wert für eines von vier Begrenzungsrahmen, die einem Label zugeordnet sind, negativ ist, wird das Modell trotzdem mit den anderen gültigen Begrenzungsrahmen trainiert. Für den ungültigen Begrenzungsrahmen ([ERROR\_INVALID\_BOUNDING\_BOX](tm-debugging-json-line-errors.md#tm-error-ERROR_INVALID_BOUNDING_BOX)) werden Fehlerinformationen für die JSON-Zeile zurückgegeben. In diesem Beispiel werden die Fehlerinformationen dem `annotation`-Objekt hinzugefügt, in dem der Fehler auftritt.
Warnfehler, wie z. B. [WARNING\_NO\_ANNOTATIONS](tm-debugging-json-line-errors.md#tm-warning-WARNING_NO_ANNOTATIONS), werden nicht für das Training verwendet und zählen in der Manifestzusammenfassung als ignorierte JSON-Zeilen (`ignored_json_lines`). Weitere Informationen finden Sie unter [Die Manifestzusammenfassung verstehen](tm-debugging-summary.md). Darüber hinaus werden ignorierte JSON-Zeilen nicht auf den Fehlerschwellenwert von 20 % für Trainings und Tests angerechnet.
Hinweise zu bestimmten nicht endgültigen Fehlern bei der Datenvalidierung finden Sie unter [Nicht endgültige JSON-Zeilen-Validierungsfehler](tm-debugging-json-line-errors.md).
**Anmerkung**
Wenn zu viele Fehler bei der Datenvalidierung auftreten, wird das Training beendet und in der Manifestübersicht wird ein endgültiger [ERROR\_TOO\_MANY\_INVALID\_ROWS\_IN\_MANIFEST](tm-debugging-aggregate-errors.md#tm-error-ERROR_TOO_MANY_INVALID_ROWS_IN_MANIFEST)-Fehler gemeldet.
Hinweise zur Korrektur von JSON-Zeilenfehlern finden Sie unter [Behebung von Trainingsfehlern](tm-debugging-fixing-validation-errors.md).
## Format für JSON-Zeilenfehler
Amazon Rekognition Custom Labels fügt der Bildebene und dem Objektlokalisierungsformat JSON-Zeilen Informationen zu nicht endgültigen Validierungsfehlern hinzu. Weitere Informationen finden Sie unter [Erstellen einer Manifestdatei](md-create-manifest-file.md).
### Fehler auf Bildebene
Das folgende Beispiel zeigt die `Error`-Arrays in einer JSON-Zeile auf Bildebene. Es gibt zwei Arten von Fehlern. Fehler im Zusammenhang mit Metadaten von Labelattributen (in diesem Beispiel Sport-Metadaten) und Fehler im Zusammenhang mit dem Bild. Ein Fehler umfasst einen Fehlercode (Code) und eine Fehlermeldung (Nachricht). Weitere Informationen finden Sie unter [Labels auf Bildebene in Manifestdateien importieren](md-create-manifest-file-classification.md).
```
{
"source-ref": String,
"sport": Number,
"sport-metadata": {
"class-name": String,
"confidence": Float,
"type": String,
"job-name": String,
"human-annotated": String,
"creation-date": String,
"errors": [
{
"code": String, # error codes for label
"message": String # Description and additional contextual details of the error
}
]
},
"errors": [
{
"code": String, # error codes for image
"message": String # Description and additional contextual details of the error
}
]
}
```
### Fehler bei der Objektlokalisierung
Das folgende Beispiel zeigt die Fehler-Arrays in einer JSON-Zeile zur Objektlokalisierung. Die JSON-Zeile enthält `Errors` Array-Informationen für Felder in den folgenden JSON-Zeilenabschnitten. Jedes `Error`-Objekt enthält den Fehlercode und die Fehlermeldung.
+ *Label-Attribut* – Fehler in den Label-Attributfeldern. Siehe `bounding-box` im Beispiel.
+ *Anmerkungen* – Anmerkungsfehler (Begrenzungsrahmen) werden im `annotations`-Array innerhalb des Label-Attributs gespeichert.
+ *Label-Attribute-Metadaten* – Fehler bei den Metadaten des Label-Attributs. Siehe `bounding-box-metadata` im Beispiel.
+ *Bild* – Fehler, die sich nicht auf die Metadatenfelder für das Label-Attribut, die Anmerkung und das Label-Attribut beziehen.
Weitere Informationen finden Sie unter [Objektlokalisierung in Manifestdateien](md-create-manifest-file-object-detection.md).
```
{
"source-ref": String,
"bounding-box": {
"image_size": [
{
"width": Int,
"height": Int,
"depth":Int,
}
],
"annotations": [
{
"class_id": Int,
"left": Int,
"top": Int,
"width": Int,
"height": Int,
"errors": [ # annotation field errors
{
"code": String, # annotation field error code
"message": String # Description and additional contextual details of the error
}
]
}
],
"errors": [ #label attribute field errors
{
"code": String, # error code
"message": String # Description and additional contextual details of the error
}
]
},
"bounding-box-metadata": {
"objects": [
{
"confidence": Float
}
],
"class-map": {
String: String
},
"type": String,
"human-annotated": String,
"creation-date": String,
"job-name": String,
"errors": [ #metadata field errors
{
"code": String, # error code
"message": String # Description and additional contextual details of the error
}
]
},
"errors": [ # image errors
{
"code": String, # error code
"message": String # Description and additional contextual details of the error
}
]
}
```
## Beispiel für einen JSON-Zeilenfehler
Die folgende JSON-Zeile zur Objektlokalisierung (aus Gründen der Lesbarkeit formatiert) zeigt einen [ERROR\_BOUNDING\_BOX\_TOO\_SMALL](tm-debugging-json-line-errors.md#tm-error-ERROR_BOUNDING_BOX_TOO_SMALL)-Fehler. In diesem Beispiel sind die Abmessungen des Begrenzungsrahmens (Höhe und Breite) nicht größer als 1x1.
```
{
"source-ref": "s3://bucket/Manifests/images/199940-1791.jpg",
"bounding-box": {
"image_size": [
{
"width": 3000,
"height": 3000,
"depth": 3
}
],
"annotations": [
{
"class_id": 1,
"top": 0,
"left": 0,
"width": 1,
"height": 1,
"errors": [
{
"code": "ERROR_BOUNDING_BOX_TOO_SMALL",
"message": "The height and width of the bounding box is too small."
}
]
},
{
"class_id": 0,
"top": 65,
"left": 86,
"width": 220,
"height": 334
}
]
},
"bounding-box-metadata": {
"objects": [
{
"confidence": 1
},
{
"confidence": 1
}
],
"class-map": {
"0": "Echo",
"1": "Echo Dot"
},
"type": "groundtruth/object-detection",
"human-annotated": "yes",
"creation-date": "2019-11-20T02:57:28.288286",
"job-name": "my job"
}
}
```