翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

# 画像分類 - TensorFlow アルゴリズムの入出力インターフェイス
<a name="IC-TF-inputoutput"></a>

TensorFlow Hub モデルに一覧表示されている事前トレーニング済みモデルはそれぞれ、任意の数の画像クラスを持つデータセットに合わせて微調整できます。画像分類 - TensorFlow モデルに入力するトレーニングデータをフォーマットする方法にご注意ください。
+ **トレーニングデータの入力形式:** トレーニングデータは、クラスの数と同じ数のサブディレクトリを持つディレクトリである必要があります。各サブディレクトリには、そのクラスに属する .jpg、.jpeg、.png 形式の画像が必要です。

入力のディレクトリ構造の例を次に示します。このサンプルデータセットには、`roses` と `dandelion` の 2 つのクラスがあります。各クラスフォルダの画像ファイルには任意の名前を付けることができます。入力ディレクトリは、次のようなパスの Amazon S3 バケットでホストされている必要があります: `s3://bucket_name/input_directory/`。末尾の `/` は必須であることに注意してください。

```
input_directory
    |--roses
        |--abc.jpg
        |--def.jpg
    |--dandelion
        |--ghi.jpg
        |--jkl.jpg
```

トレーニング済みモデルは、クラスフォルダ名を出力クラス確率リストのインデックスにマッピングするラベルマッピングファイルを出力します。このマッピングはアルファベット順です。例えば、前の例では dandelion クラスはインデックス 0 で、roses クラスはインデックス 1 です。

トレーニングが完了すると、微調整されたモデルができあがり、段階的トレーニングを使用してさらにトレーニングしたり、推論用に展開したりできます。画像分類 - TensorFlow アルゴリズムは、微調整されたモデルに前処理と後処理のシグネチャを自動的に追加します。これにより、モデルは画像を入力として取り込み、クラス確率を返すことができます。クラスインデックスをクラスラベルにマッピングするファイルは、モデルとともに保存されます。

## 段階的トレーニング
<a name="IC-TF-incremental-training"></a>

以前に SageMaker AI でトレーニングしたモデルのアーティファクトを使用して、新しいモデルのトレーニングをシードできます。段階的トレーニングでは、同じモデルまたは類似のデータを使用して新しいモデルをトレーニングする際のトレーニング時間が短縮されます。

**注記**  
SageMaker 画像分類 - TensorFlow モデルは、SageMaker AI でトレーニングされた別の画像分類 - TensorFlow モデルを使用してのみシードできます。

一連のクラスが同じままである限り、任意のデータセットを段階的トレーニングに使用できます。段階的トレーニングのステップは微調整のステップと同様ですが、事前トレーニング済みモデルから始める代わりに、既存の微調整済みモデルから始めます。SageMaker AI 画像分類 - TensorFlow アルゴリズムを使用した段階的トレーニングの例については、「[Introduction to SageMaker TensorFlow - Image Classification](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/image_classification_tensorflow/Amazon_TensorFlow_Image_Classification.ipynb)」サンプルノートブックを参照してください。

## 画像分類 - TensorFlow アルゴリズムによる推論
<a name="IC-TF-inference"></a>

TensorFlow 画像分類トレーニングの結果として生じる微調整済みモデルを推論のためにホストすることができます。推論用の入力画像はすべて `.jpg`、`jpeg`、または `.png` 形式で、コンテンツタイプ `application/x-image` である必要があります。画像分類 - TensorFlow アルゴリズムは、入力画像のサイズを自動的に変更します。

推論を実行すると、確率値、すべてのクラスのクラスラベル、および確率が最も高いクラスインデックスに対応する予測ラベルが JSON 形式にエンコードされて得られます。画像分類 - TensorFlow モデルは、リクエストごとに単一の画像を処理し、1 行だけを出力します。JSON 形式のレスポンスの例を次に示します。

```
accept: application/json;verbose

 {"probabilities": [prob_0, prob_1, prob_2, ...],
  "labels":        [label_0, label_1, label_2, ...],
  "predicted_label": predicted_label}
```

`application/json` に `accept` が設定されている場合、モデルは確率のみを出力します。画像分類 - TensorFlow アルゴリズムによるトレーニングと推論の詳細については、「[Introduction to SageMaker TensorFlow - Image Classification](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/image_classification_tensorflow/Amazon_TensorFlow_Image_Classification.ipynb)」サンプルノートブックを参照してください。