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。

# 批量分析和验证
<a name="adapters-bulk-analysis"></a>

使用这种方法，您可以上传大量要用作训练数据的图像，然后使用 Rekognition 来预测这些图像，从而自动为它们分配标签。您可以使用这些预测开始构建适配器。您可以验证预测的准确性，然后根据经过验证的预测来训练适配器。这可以通过 AWS 控制台来完成。



 以下视频演示了如何使用 Rekognition 的批量分析功能来获取和验证大量图像的预测，然后使用这些预测来训练适配器。

[![AWS Videos](http://img.youtube.com/vi/https://www.youtube.com/embed/IGGMHPnPZLs?si=5eoidzFPbL6i5FfY/0.jpg)](http://www.youtube.com/watch?v=https://www.youtube.com/embed/IGGMHPnPZLs?si=5eoidzFPbL6i5FfY)


## 上传图像以进行批量分析
<a name="adapters-bulk-analysis-upload-images"></a>

要为您的适配器创建训练数据集，请批量上传图像，让 Rekognition 预测其标签。为获得最佳结果，请尽可能多地提供用于训练的图像，上限不超过 10000 张，并确保这些图像能代表您的用例的各个方面。

使用 AWS 控制台时，您可以直接从计算机上传图片，也可以提供用于存储图像的 Amazon 简单存储服务存储桶。但是，将 APIs Rekognition 与软件开发工具包配合使用时，您必须提供一个清单文件，该文件引用存储在亚马逊简单存储服务存储桶中的图像。有关更多信息，请参阅[批量分析](https://docs.aws.amazon.com/rekognition/latest/dg/bulk-analysis.html)。

## 查看预测
<a name="adapters-bulk-analysis-review-predictions"></a>

将图像上传到 Rekognition 控制台后，Rekognition 将为其生成标签。然后，您可以根据以下几类结果验证预测：真阳性、假阳性、真阴性、假阴性。验证预测后，您可以根据反馈训练适配器。

## 训练适配器
<a name="adapters-bulk-analysis-train-adapter"></a>

验证完批量分析返回的预测后，即可启动适配器的训练过程。

## 去拿吧 AdapterId
<a name="adapters-bulk-analysis-get-adapter"></a>

适配器经过训练后，您可以获得适配器的唯一 ID，用于 Rekognition 的图像分析。 APIs

## 调用 API 操作
<a name="adapters-bulk-analysis-call-operation"></a>

要应用您的自定义适配器，请在调用支持适配器的图像分析 APIs 时提供其 ID。这可以提高图像预测的准确性。