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. **Opsional** Nilai valid: `resnet-50`, `resnet-101`  Nilai default: `resnet-50`  | 
| use\$1pretrained\$1model |  Apakah model yang telah dilatih sebelumnya akan digunakan untuk tulang punggung. **Opsional** Nilai valid: `True`, `False` Nilai default: `True`  | 
| algorithm |  Algoritma yang digunakan untuk segmentasi semantik.  **Opsional** Nilai valid: [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/segmentation-hyperparameters.html) Nilai default: `fcn`  | 

**Hiperparameter Data**


| Nama Parameter | Deskripsi | 
| --- | --- | 
| num\$1classes |  Jumlah kelas untuk segmen. **Diperlukan** Nilai yang valid: 2 ≤ bilangan bulat positif ≤ 254  | 
| num\$1training\$1samples |  Jumlah sampel dalam data pelatihan. Algoritma menggunakan nilai ini untuk mengatur penjadwal tingkat pembelajaran. **Diperlukan** Nilai yang valid: bilangan bulat positif  | 
| base\$1size |  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. **Opsional** Nilai yang valid: bilangan bulat positif> 16 Nilai default: 520  | 
| crop\$1size |  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. **Opsional** Nilai yang valid: bilangan bulat positif> 16 Nilai default: 240  | 

**Pelatihan Hyperparameters**


| Nama Parameter | Deskripsi | 
| --- | --- | 
| early\$1stopping |  Apakah akan menggunakan logika penghentian dini selama pelatihan. **Opsional** Nilai valid: `True`, `False` Nilai default: `False`  | 
| early\$1stopping\$1min\$1epochs |  Jumlah minimum epoch yang harus dijalankan. **Opsional** Nilai yang valid: integer Nilai default: 5  | 
| early\$1stopping\$1patience |  Jumlah epoch yang memenuhi toleransi untuk kinerja yang lebih rendah sebelum algoritme memberlakukan penghentian awal. **Opsional** Nilai yang valid: integer Nilai default: 4  | 
| early\$1stopping\$1tolerance |  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`. **Opsional** Nilai yang valid: 0 ≤ float ≤ 1 Nilai default: 0.0  | 
| epochs |  Jumlah zaman yang digunakan untuk melatih. **Opsional** Nilai yang valid: bilangan bulat positif Nilai default: 10  | 
| gamma1 |  Faktor peluruhan untuk rata-rata bergerak gradien kuadrat untuk. `rmsprop` Digunakan hanya untuk`rmsprop`. **Opsional** Nilai yang valid: 0 ≤ float ≤ 1 Nilai default: 0,9  | 
| gamma2 |  Faktor momentum untuk`rmsprop`. **Opsional** Nilai yang valid: 0 ≤ float ≤ 1 Nilai default: 0,9  | 
| learning\$1rate |  Tingkat pembelajaran awal.  **Opsional** Nilai yang valid: 0 < float ≤ 1 Nilai default: 0,001  | 
| lr\$1scheduler |  Bentuk jadwal tingkat pembelajaran yang mengontrol penurunannya dari waktu ke waktu. **Opsional** Nilai valid:  [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/id_id/sagemaker/latest/dg/segmentation-hyperparameters.html) Nilai default: `poly`  | 
| lr\$1scheduler\$1factor |  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. **Opsional** Nilai yang valid: 0 ≤ float ≤ 1 Nilai default: 0,1  | 
| lr\$1scheduler\$1step |  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. **Diperlukan secara kondisional** jika `lr_scheduler` diatur ke`step`. Kalau tidak, diabaikan. Nilai yang valid: string Nilai default: (Tidak ada default, karena nilainya diperlukan saat digunakan.)  | 
| mini\$1batch\$1size |  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. **Opsional** Nilai yang valid: bilangan bulat positif  Nilai default: 16  | 
| momentum |  Momentum untuk `sgd` pengoptimal. Saat Anda menggunakan pengoptimal lain, algoritma segmentasi semantik mengabaikan parameter ini. **Opsional** Nilai yang valid: 0 < float ≤ 1 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) **Opsional** Nilai yang valid:`adam`,`adagrad`,`nag`,`rmsprop`, `sgd`  Nilai default: `sgd`  | 
| syncbn |  Jika disetel ke`True`, rata-rata normalisasi batch dan varians dihitung atas semua sampel yang diproses di seluruh. GPUs **Opsional**  Nilai valid: `True`, `False`  Nilai default: `False`  | 
| validation\$1mini\$1batch\$1size |  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) **Opsional** Nilai yang valid: bilangan bulat positif Nilai default: 16  | 
| weight\$1decay |  Koefisien peluruhan berat untuk `sgd` pengoptimal. Saat Anda menggunakan pengoptimal lain, algoritme mengabaikan parameter ini.  **Opsional** Nilai yang valid: 0 < float < 1 Nilai default: 0,0001  |