Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Hiperparameter Segmentasi Semantik
<a name="segmentation-hyperparameters"></a>

Tabel berikut mencantumkan hyperparameters yang didukung oleh algoritma segmentasi semantik Amazon SageMaker AI untuk arsitektur jaringan, input data, dan pelatihan. Anda menentukan Segmentasi Semantik untuk pelatihan dalam permintaan`AlgorithmName`. [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html)

**Hiperparameter Arsitektur Jaringan**


| Nama Parameter | Deskripsi | 
| --- | --- | 
| backbone | Tulang punggung yang digunakan untuk komponen encoder algoritma.<br />**Opsional**<br />Nilai valid: `resnet-50`, `resnet-101` <br />Nilai default: `resnet-50` | 
| use\_pretrained\_model | Apakah model yang telah dilatih sebelumnya akan digunakan untuk tulang punggung.<br />**Opsional**<br />Nilai valid: `True`, `False`<br />Nilai default: `True` | 
| algorithm | Algoritma yang digunakan untuk segmentasi semantik. <br />**Opsional**<br />Nilai valid:[See the AWS documentation website for more details](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/segmentation-hyperparameters.html)<br />Nilai default: `fcn` | 

**Hiperparameter Data**


| Nama Parameter | Deskripsi | 
| --- | --- | 
| num\_classes | Jumlah kelas untuk segmen.<br />**Diperlukan**<br />Nilai yang valid: 2 ≤ bilangan bulat positif ≤ 254 | 
| num\_training\_samples | Jumlah sampel dalam data pelatihan. Algoritma menggunakan nilai ini untuk mengatur penjadwal tingkat pembelajaran.<br />**Diperlukan**<br />Nilai yang valid: bilangan bulat positif | 
| base\_size | Mendefinisikan bagaimana gambar diskalakan ulang sebelum dipotong. Gambar diskalakan ulang sedemikian rupa sehingga panjang ukuran panjang diatur untuk `base_size` dikalikan dengan angka acak dari 0,5 hingga 2,0, dan ukuran pendek dihitung untuk mempertahankan rasio aspek.<br />**Opsional**<br />Nilai yang valid: bilangan bulat positif> 16<br />Nilai default: 520 | 
| crop\_size | Ukuran gambar untuk input selama pelatihan. Kami secara acak mengubah skala gambar input berdasarkan`base_size`, dan kemudian mengambil potongan persegi acak dengan panjang sisi sama dengan. `crop_size` `crop_size`Akan secara otomatis dibulatkan ke kelipatan 8.<br />**Opsional**<br />Nilai yang valid: bilangan bulat positif> 16<br />Nilai default: 240 | 

**Pelatihan Hyperparameters**


| Nama Parameter | Deskripsi | 
| --- | --- | 
| early\_stopping | Apakah akan menggunakan logika penghentian dini selama pelatihan.<br />**Opsional**<br />Nilai valid: `True`, `False`<br />Nilai default: `False` | 
| early\_stopping\_min\_epochs | Jumlah minimum epoch yang harus dijalankan.<br />**Opsional**<br />Nilai yang valid: integer<br />Nilai default: 5 | 
| early\_stopping\_patience | Jumlah epoch yang memenuhi toleransi untuk kinerja yang lebih rendah sebelum algoritme memberlakukan penghentian awal.<br />**Opsional**<br />Nilai yang valid: integer<br />Nilai default: 4 | 
| early\_stopping\_tolerance | Jika peningkatan relatif dari skor pekerjaan pelatihan, MiOu, lebih kecil dari nilai ini, penghentian awal menganggap zaman tidak membaik. Ini hanya digunakan ketika `early_stopping` =`True`.<br />**Opsional**<br />Nilai yang valid: 0 ≤ float ≤ 1<br />Nilai default: 0.0 | 
| epochs | Jumlah zaman yang digunakan untuk melatih.<br />**Opsional**<br />Nilai yang valid: bilangan bulat positif<br />Nilai default: 10 | 
| gamma1 | Faktor peluruhan untuk rata-rata bergerak gradien kuadrat untuk. `rmsprop` Digunakan hanya untuk`rmsprop`.<br />**Opsional**<br />Nilai yang valid: 0 ≤ float ≤ 1<br />Nilai default: 0,9 | 
| gamma2 | Faktor momentum untuk`rmsprop`.<br />**Opsional**<br />Nilai yang valid: 0 ≤ float ≤ 1<br />Nilai default: 0,9 | 
| learning\_rate | Tingkat pembelajaran awal. <br />**Opsional**<br />Nilai yang valid: 0 < float ≤ 1<br />Nilai default: 0,001 | 
| lr\_scheduler | Bentuk jadwal tingkat pembelajaran yang mengontrol penurunannya dari waktu ke waktu.<br />**Opsional**<br />Nilai valid: [See the AWS documentation website for more details](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/segmentation-hyperparameters.html)<br />Nilai default: `poly` | 
| lr\_scheduler\_factor | Jika `lr_scheduler` diatur ke`step`, rasio yang digunakan untuk mengurangi (multipy) `learning_rate` setelah masing-masing zaman yang ditentukan oleh. `lr_scheduler_step` Kalau tidak, diabaikan.<br />**Opsional**<br />Nilai yang valid: 0 ≤ float ≤ 1<br />Nilai default: 0,1 | 
| lr\_scheduler\_step | Daftar zaman yang dibatasi koma setelah itu dikurangi (dikalikan) dengan `learning_rate` a. `lr_scheduler_factor` Misalnya, jika nilainya diatur ke`"10, 20"`, maka `learning-rate` dikurangi `lr_scheduler_factor` setelah zaman ke-10 dan lagi oleh faktor ini setelah zaman ke-20.<br />**Diperlukan secara kondisional** jika `lr_scheduler` diatur ke`step`. Kalau tidak, diabaikan.<br />Nilai yang valid: string<br />Nilai default: (Tidak ada default, karena nilainya diperlukan saat digunakan.) | 
| mini\_batch\_size | Ukuran batch untuk pelatihan. Menggunakan yang besar `mini_batch_size` biasanya menghasilkan pelatihan yang lebih cepat, tetapi mungkin menyebabkan Anda kehabisan memori. Penggunaan memori dipengaruhi oleh nilai-nilai `mini_batch_size` dan `image_shape` parameter, dan arsitektur backbone.<br />**Opsional**<br />Nilai yang valid: bilangan bulat positif <br />Nilai default: 16 | 
| momentum | Momentum untuk `sgd` pengoptimal. Saat Anda menggunakan pengoptimal lain, algoritma segmentasi semantik mengabaikan parameter ini.<br />**Opsional**<br />Nilai yang valid: 0 < float ≤ 1<br />Nilai default: 0,9 | 
| optimizer | Jenis pengoptimal. Untuk informasi lebih lanjut tentang pengoptimal, pilih tautan yang sesuai:[See the AWS documentation website for more details](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/segmentation-hyperparameters.html)<br />**Opsional**<br />Nilai yang valid:`adam`,`adagrad`,`nag`,`rmsprop`, `sgd` <br />Nilai default: `sgd` | 
| syncbn | Jika disetel ke`True`, rata-rata normalisasi batch dan varians dihitung atas semua sampel yang diproses di seluruh. GPUs<br />**Opsional** <br />Nilai valid: `True`, `False` <br />Nilai default: `False` | 
| validation\_mini\_batch\_size | Ukuran batch untuk validasi. Sebuah besar `mini_batch_size` biasanya menghasilkan pelatihan yang lebih cepat, tetapi mungkin menyebabkan Anda kehabisan memori. Penggunaan memori dipengaruhi oleh nilai-nilai `mini_batch_size` dan `image_shape` parameter, dan arsitektur backbone. [See the AWS documentation website for more details](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/segmentation-hyperparameters.html)<br />**Opsional**<br />Nilai yang valid: bilangan bulat positif<br />Nilai default: 16 | 
| weight\_decay | Koefisien peluruhan berat untuk `sgd` pengoptimal. Saat Anda menggunakan pengoptimal lain, algoritme mengabaikan parameter ini. <br />**Opsional**<br />Nilai yang valid: 0 < float < 1<br />Nilai default: 0,0001 |