Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Creazione e utilizzo di adattatori
<a name="creating-and-using-adapters"></a>

Gli adattatori sono componenti modulari che possono essere aggiunti a un modello di deep learning Rekognition esistente, estendendone le funzionalità per le attività su cui è addestrato. Addestrando un modello di deep learning con adattatori, puoi ottenere una maggiore precisione per le attività di analisi delle immagini relative al tuo caso d'uso specifico. 

Per creare e utilizzare un adattatore, è necessario fornire dati di addestramento e test a Rekognition. Puoi farlo in uno di questi due modi:
+ Analisi e verifica in blocco: puoi creare un set di dati di formazione analizzando in blocco le immagini che Rekognition analizzerà e alle quali assegnerà le etichette. È quindi possibile rivedere le annotazioni generate per le immagini e verificare o correggere le previsioni. Per ulteriori informazioni su come funziona l'analisi in blocco delle immagini, consulta [Analisi in blocco](https://docs.aws.amazon.com/rekognition/latest/dg/bulk-analysis.html).
+ Annotazione manuale: con questo approccio puoi creare i tuoi dati di allenamento caricando e annotando le immagini. Puoi creare i tuoi dati di test caricando e annotando le immagini o suddividendoli automaticamente. 

Scegli uno dei seguenti argomenti per avere ulteriori informazioni:

**Topics**
+ [Analisi e verifica di massa](adapters-bulk-analysis.md)
+ [Annotazione manuale](adapters-manual-annotation.md)