本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

FAQ

我已经在容器化并部署了图像分类模型。 AWS Fargate迁移到 Amazon A SageMaker I 无服务器部署有什么好处？

SageMaker AI 提供了用于模型训练、监控和部署的工具，这些工具可在标准化模式下运行API。如果您不打算使用这些功能，则可能没有理由更改您的部署策略。

如何将托管注释解决方案整合到再培训工作流程中？

Amazon G SageMaker round Truth 提供了一种用于图像分类的注释解决方案，该解决方案与其他 SageMaker 人工智能服务集成。有关更多信息，请参阅 SageMaker AI 开发人员指南中的图像分类（单标签）和图像分类（多标签）。

如何确保我的图像分类模型公平准确？

您可以使用诸如 Amazon A SageMaker I Clarify 之类的服务来检测潜在的偏见。您还可以使用 Amazon A SageMaker I 模型监控器实现模型监控和持续评估。我们建议您遵循负责任的人工智能AWS 指南，使用 A mazon G SageMaker round Trut h 创建高质量的训练数据。我们还建议您定期使用新的多样化数据对模型进行重新训练和更新。

我能否将自己的预训练图像分类模型与亚马逊 Rekognition 或亚马逊 Rekognition 自定义标签一起使用？

不，亚马逊 Rekognition 和亚马逊 Rekognition 自定义标签不允许你使用自己的预训练模型。您可以使用 Amazon A SageMaker I 或亚马逊弹性容器服务（亚马逊）或亚马逊 Elastic Kubernetes Service（亚马逊ECS）上的自定义容器解决方案部署现有的预训练模型。EKS