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.
# Iperparametri di segmentazione semantica
Le tabelle seguenti elencano gli iperparametri supportati dall'algoritmo di segmentazione semantica di Amazon SageMaker AI per l'architettura di rete, gli input di dati e la formazione. Puoi specificare la segmentazione semantica per l’addestramento in `AlgorithmName` della richiesta [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html).
**Iperparametri dell'architettura di rete**
| Nome parametro | Description |
| --- | --- |
| backbone | Il backbone da utilizzare per il componente codificatore dell'algoritmo.
**Opzionale**
Valori validi: `resnet-50`, `resnet-101`
Valore predefinito: `resnet-50` |
| use\_pretrained\_model | Indica se un modello già addestrato deve essere utilizzato per il backbone.
**Opzionale**
Valori validi: `True`, `False`
Valore predefinito: `True` |
| algorithm | L'algoritmo da utilizzare per la segmentazione semantica.
**Opzionale**
Valori validi:[See the AWS documentation website for more details](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/segmentation-hyperparameters.html)
Valore predefinito: `fcn` |
**Iperparametri dei dati**
| Nome parametro | Description |
| --- | --- |
| num\_classes | Il numero di classi da segmentare.
**Campo obbligatorio**
Valori validi: 2 ≤ numero intero positivo ≤ 254 |
| num\_training\_samples | Il numero di esempi nei dati di addestramento. L'algoritmo utilizza questo valore per impostare il pianificatore della velocità di apprendimento.
**Campo obbligatorio**
Valori validi: numeri interi positivi |
| base\_size | Definisce il modo in cui le immagini vengono ridimensionate prima del ritaglio. Le immagini vengono ridimensionate in modo tale che la lunghezza delle dimensioni lunghe sia impostata su `base_size` moltiplicata per un numero casuale compreso tra 0,5 e 2.0 e la dimensione corta viene calcolata per mantenere le proporzioni.
**Opzionale**
Valori validi: numeri interi positivi > 16
Valore predefinito: 520 |
| crop\_size | La dimensione dell'immagine per l'input durante l’addestramento. Riscaliamo casualmente l'immagine di input in base a `base_size`, quindi prendiamo un ritaglio quadrato casuale con lunghezza laterale uguale a `crop_size`. L'input `crop_size` verrà arrotondato automaticamente a multipli di 8.
**Opzionale**
Valori validi: numeri interi positivi > 16
Valore predefinito: 240 |
**Iperparametri di addestramento**
| Nome parametro | Description |
| --- | --- |
| early\_stopping | Indica se utilizzare la logica di arresto precoce durante l’addestramento.
**Opzionale**
Valori validi: `True`, `False`
Valore predefinito: `False` |
| early\_stopping\_min\_epochs | Il numero minimo di epoche (Unix epochs) che devono essere eseguite.
**Opzionale**
Valori validi: numero intero
Valore predefinito: 5 |
| early\_stopping\_patience | Il numero di epoche (Unix epochs) che soddisfano la tolleranza per prestazioni inferiori prima che l'algoritmo applichi un arresto precoce.
**Opzionale**
Valori validi: numero intero
Valore predefinito: 4 |
| early\_stopping\_tolerance | Se il miglioramento relativo di mIOU è inferiore a questo valore, l'arresto precoce considera l'epoca (Unix epoch) come non migliorata. Viene usato solo quando `early_stopping` = `True`.
**Opzionale**
Valori validi: 0 ≤ float ≤ 1
Valore predefinito: 0.0 |
| epochs | Il numero di epoche (Unix epochs) da usare per l’addestramento.
**Opzionale**
Valori validi: numeri interi positivi
Valore predefinito: 10 |
| gamma1 | Il fattore di decadimento per la media mobile del gradiente squadrato per `rmsprop`. Usato solo per `rmsprop`.
**Opzionale**
Valori validi: 0 ≤ float ≤ 1
Valore predefinito: 0,9 |
| gamma2 | Il fattore di momento per `rmsprop`.
**Opzionale**
Valori validi: 0 ≤ float ≤ 1
Valore predefinito: 0,9 |
| learning\_rate | La velocità di apprendimento iniziale.
**Opzionale**
Valori validi: 0 < float ≤ 1
Valore predefinito: 0,001 |
| lr\_scheduler | La forma del pianificatore della velocità di apprendimento che ne controlla la diminuzione nel tempo.
**Opzionale**
Valori validi: [See the AWS documentation website for more details](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/segmentation-hyperparameters.html)
Valore predefinito: `poly` |
| lr\_scheduler\_factor | Se `lr_scheduler` è impostato su `step`, il rapporto con cui ridurre (moltiplicare) `learning_rate` dopo ciascuna epoca specificata da `lr_scheduler_step`. In caso contrario, viene ignorato.
**Opzionale**
Valori validi: 0 ≤ float ≤ 1
Valore predefinito: 0,1 |
| lr\_scheduler\_step | Un elenco delimitato da virgole delle epoche dopo le quali `learning_rate` viene ridotto (moltiplicato) di un `lr_scheduler_factor`. Ad esempio, se il valore è impostato su `"10, 20"`, il `learning-rate` viene ridotto di `lr_scheduler_factor` dopo la decima epoca e nuovamente di tale fattore dopo la ventesima epoca.
**Condizionalmente obbligatorio** se `lr_scheduler` è impostato su `step`. In caso contrario, viene ignorato.
Valori validi: stringa
Valore predefinito: (nessun valore predefinito, poiché il valore è obbligatorio quando viene utilizzato). |
| mini\_batch\_size | Le dimensioni del batch per l’addestramento. L'utilizzo di un valore elevato per `mini_batch_size` di solito si traduce in un addestramento più veloce, ma potrebbe causare l'esaurimento della memoria. L'utilizzo della memoria è influenzato dai valori dei parametri `mini_batch_size` e `image_shape` e dall'architettura backbone.
**Opzionale**
Valori validi: numeri interi positivi
Valore predefinito: 16 |
| momentum | Il momento per l'ottimizzatore `sgd`. Quando usi altri ottimizzatori, l'algoritmo di segmentazione semantica ignora questo parametro.
**Opzionale**
Valori validi: 0 < float ≤ 1
Valore predefinito: 0,9 |
| optimizer | Il tipo di ottimizzatore. Per ulteriori informazioni su un ottimizzatore, scegli il collegamento appropriato:[See the AWS documentation website for more details](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/segmentation-hyperparameters.html)
**Opzionale**
Valori validi: `adam`, `adagrad`, `nag`, `rmsprop`, `sgd`
Valore predefinito: `sgd` |
| syncbn | Se il valore è impostato su `True`, la media e la varianza di normalizzazione batch vengono calcolate su tutti i campioni elaborati attraverso le GPU.
**Opzionale**
Valori validi: `True`, `False`
Valore predefinito: `False` |
| validation\_mini\_batch\_size | Le dimensioni del batch per la convalida. Un valore elevato per `mini_batch_size` di solito si traduce in un addestramento più veloce, ma potrebbe causare l'esaurimento della memoria. L'utilizzo della memoria è influenzato dai valori dei parametri `mini_batch_size` e `image_shape` e dall'architettura backbone. [See the AWS documentation website for more details](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/segmentation-hyperparameters.html)
**Opzionale**
Valori validi: numeri interi positivi
Valore predefinito: 16 |
| weight\_decay | Il coefficiente di decadimento del peso per l'ottimizzatore `sgd`. Quando usi altri ottimizzatori, l'algoritmo ignora questo parametro.
**Opzionale**
Valori validi: 0 < float < 1
Valore predefinito: 0.0001 |