本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
# 語意分割超參數
下表會列出 Amazon SageMaker AI 語意分割演算法支援，用於網路架構、資料輸入和訓練的超參數。您可以在 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html) 請求的 `AlgorithmName` 中，針對訓練指定語意分割。
**網路架構超參數**
| 參數名稱 | Description |
| --- | --- |
| backbone | 用於演算法編碼器元件的骨幹。
**選用**
有效值：`resnet-50`、`resnet-101`
預設值：`resnet-50` |
| use\_pretrained\_model | 預先訓練模型是否會用於骨幹。
**選用**
有效值：`True`、`False`
預設值：`True` |
| algorithm | 要用於語意分割的演算法。
**選用**
有效值：[See the AWS documentation website for more details](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/segmentation-hyperparameters.html)
預設值：`fcn` |
**資料超參數**
| 參數名稱 | Description |
| --- | --- |
| num\_classes | 要分割的類別數。
**必要**
有效值：2 ≤ 正整數 ≤ 254 |
| num\_training\_samples | 訓練資料中的樣本數。演算法會使用此值設定學習率排程器。
**必要**
有效值：正整數 |
| base\_size | 定義影像在裁剪前的重新縮放方式。影像會重新縮放，將較長一邊的大小長度設為 `base_size` 乘以介於 0.5 到 2.0 的隨機數字，而較短一邊的大小長度則會運算到保留長寬比。
**選用**
有效值：大於 16 的正整數
預設值：520 |
| crop\_size | 訓練期間輸入的影像大小。我們會根據 `base_size` 隨機重新縮放輸入影像，然後採用邊常等於 `crop_size` 的隨機正方形裁剪。系統會將 `crop_size` 自動四捨五入為 8 的倍數。
**選用**
有效值：大於 16 的正整數
預設值：240 |
**訓練超參數**
| 參數名稱 | Description |
| --- | --- |
| early\_stopping | 是否要在訓練期間使用提前停止邏輯。
**選用**
有效值：`True`、`False`
預設值：`False` |
| early\_stopping\_min\_epochs | 必須執行的最低 epoch 數。
**選用**
有效值：整數
預設值：5 |
| early\_stopping\_patience | 在演算法強制提前停止前，需符合較低效能容忍度的 epoch 數。
**選用**
有效值：整數
預設值：4 |
| early\_stopping\_tolerance | 如果訓練任務分數 (mIOU) 的相對改善小於此值，則提前停止會將 epoch 視為尚未改善。只有在 `early_stopping` = `True` 時才會使用此值。
**選用**
有效值：0 ≤ 浮點數 ≤ 1
預設值：0.0 |
| epochs | 用於訓練的 epoch 數。
**選用**
有效值：正整數
預設值：10 |
| gamma1 | `rmsprop` 平方梯度的移動平均衰減因子。僅限用於 `rmsprop`。
**選用**
有效值：0 ≤ 浮點數 ≤ 1
預設值：0.9 |
| gamma2 | `rmsprop` 的動力因子。
**選用**
有效值：0 ≤ 浮點數 ≤ 1
預設值：0.9 |
| learning\_rate | 初始學習率。
**選用**
有效值：0 < 浮點數 ≤ 1
預設值：0.001 |
| lr\_scheduler | 控制其隨時間減少值的學習率排程形狀。
**選用**
有效值：[See the AWS documentation website for more details](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/segmentation-hyperparameters.html)
預設值：`poly` |
| lr\_scheduler\_factor | 假設 `lr_scheduler` 的設定為 `step`，則系統會依 `lr_scheduler_step` 指定每個 epoch 後降低 (乘以) `learning_rate` 的比例。否則，會遭到忽略。
**選用**
有效值：0 ≤ 浮點數 ≤ 1
預設值：0.1 |
| lr\_scheduler\_step | 依 `lr_scheduler_factor` 降低 (乘以) `learning_rate` 後的以逗號分隔的 epoch 清單。例如，假設該值的設定為 `"10, 20"`，則系統會依第 10 個 epoch 後的 `lr_scheduler_factor` 降低 `learning-rate`，並再次依第 20 個 epoch 後的此因子降低學習率。
如果 `lr_scheduler` 的設定為 `step`，則為**有條件必要**。否則，會遭到忽略。
有效值：字串
預設值：(無預設值，使用時則此值為必要。) |
| mini\_batch\_size | 訓練的批次大小。使用較大的 `mini_batch_size` 通常會加快訓練，但是可能會使您記憶體不足。記憶體用量會受 `mini_batch_size` 和 `image_shape` 參數，以及骨幹架構影響。
**選用**
有效值：正整數
預設值：16 |
| momentum | `sgd` 最佳化工具的動力。當您使用其他最佳化工具時，語意分割演算法會忽略此參數。
**選用**
有效值：0 < 浮點數 ≤ 1
預設值：0.9 |
| optimizer | 最佳化工具類型。如需最佳化工具的詳細資訊，請選擇適當連結：[See the AWS documentation website for more details](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/segmentation-hyperparameters.html)
**選用**
有效值：`adam`、`adagrad`、`nag`、`rmsprop`、`sgd`
預設值：`sgd` |
| syncbn | 如果設定為 `True`，則會針對跨 GPU 處理的所有範例計算批次標準化平均值和差異。
**選用**
有效值：`True`、`False`
預設值：`False` |
| validation\_mini\_batch\_size | 驗證的批次大小。使用較大的 `mini_batch_size` 通常會加快訓練，但是可能會使您記憶體不足。記憶體用量會受 `mini_batch_size` 和 `image_shape` 參數，以及骨幹架構影響。[See the AWS documentation website for more details](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/segmentation-hyperparameters.html)
**選用**
有效值：正整數
預設值：16 |
| weight\_decay | `sgd` 最佳化工具的加權衰減係數。當您使用其他最佳化工具時，演算法會忽略此參數。
**選用**
有效值：0 < 浮點數 < 1
預設值：0.0001 |