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。

# 物体检测- TensorFlow
<a name="object-detection-tensorflow"></a>

Amazon SageMaker AI 对象检测 TensorFlow 算法是一种监督学习算法，它支持使用模型[花园](https://github.com/tensorflow/models)中的许多预训练模型进行迁移学习。TensorFlow 使用迁移学习，即使没有大量图像数据可用，也可以在您自己的数据集上对一个可用的预训练模型进行微调。对象检测算法将图像作为输入，并输出边界框列表。训练数据集必须由 .`jpg`、`.jpeg` 或 `.png` 格式的图像组成。本页包含有关 Amazon EC2 实例推荐和对象检测示例笔记本的信息- TensorFlow。

**Topics**
+ [如何使用 SageMaker AI 物体检测- TensorFlow 算法](object-detection-tensorflow-how-to-use.md)
+ [物体检测- TensorFlow 算法的输入和输出接口](object-detection-tensorflow-inputoutput.md)
+ [针对对象检测的 Amazon EC2 实例推荐- TensorFlow 算法](#object-detection-tensorflow-instances)
+ [物体检测- TensorFlow 样本笔记本](#object-detection-tensorflow-sample-notebooks)
+ [物体检测- TensorFlow 工作原理](object-detection-tensorflow-HowItWorks.md)
+ [TensorFlow 模特](object-detection-tensorflow-Models.md)
+ [物体检测- TensorFlow 超参数](object-detection-tensorflow-Hyperparameter.md)
+ [调整物体检测- TensorFlow 模型](object-detection-tensorflow-tuning.md)

## 针对对象检测的 Amazon EC2 实例推荐- TensorFlow 算法
<a name="object-detection-tensorflow-instances"></a>

物体检测- TensorFlow 算法支持所有 GPU 实例进行训练，包括：
+ `ml.p2.xlarge`
+ `ml.p2.16xlarge`
+ `ml.p3.2xlarge`
+ `ml.p3.16xlarge`

对于大批量训练，建议使用具有更多内存的 GPU 实例。CPU（例如 M5）实例和 GPU（P2 或 P3）实例都可用于推理。有关各 AWS 区域 SageMaker 训练和推理实例的完整列表，请参阅 [Amazon SageMaker 定价](https://aws.amazon.com/sagemaker/pricing/)。

## 物体检测- TensorFlow 样本笔记本
<a name="object-detection-tensorflow-sample-notebooks"></a>

有关如何使用 SageMaker AI 物体检测- TensorFlow 算法对自定义数据集进行迁移学习的更多信息，请参阅《[物体检测简介](https://github.com/aws/amazon-sagemaker-examples/blob/main/introduction_to_amazon_algorithms/object_detection_tensorflow/Amazon_Tensorflow_Object_Detection.ipynb)》笔记本。 SageMaker TensorFlow 

有关如何创建和访问可用于在 SageMaker AI 中运行示例的 Jupyter 笔记本实例的说明，请参阅。[Amazon SageMaker 笔记本实例](nbi.md)创建并打开笔记本实例后，选择 **SageMaker AI 示例**选项卡以查看所有 SageMaker AI 示例的列表。要打开笔记本，请选择其**使用**选项卡，然后选择**创建副本**。