本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

FAQ

我已經將映像分類模型容器化並部署在其中 AWS Fargate。移至 Amazon SageMaker AI 無伺服器部署的優勢是什麼？

SageMaker AI 提供模型訓練、監控和部署的工具，可在標準化 內運作API。如果您不打算使用這些功能，可能沒有理由變更您的部署策略。

如何將受管註釋解決方案納入重新訓練工作流程？

Amazon SageMaker Ground Truth 提供影像分類的註釋解決方案，可與其餘 SageMaker AI 服務整合。如需詳細資訊，請參閱 SageMaker AI 開發人員指南中的影像分類 （單一標籤） 和影像分類 （多標籤）。

如何確保影像分類模型公平且準確？

您可以使用 Amazon SageMaker AI Clarify 等服務來偵測潛在的偏差。您也可以使用 Amazon SageMaker AI Model Monitor 實作模型監控和持續評估。我們建議您遵循AWS 負責任 AI 的指引，並使用 Amazon SageMaker Ground Truth 來建立高品質的訓練資料。我們也建議您定期使用全新且多樣化的資料重新訓練和更新模型。

我可以將自己的預先訓練影像分類模型與 Amazon Rekognition 或 Amazon Rekognition 自訂標籤搭配使用嗎？

否，Amazon Rekognition 和 Amazon Rekognition 自訂標籤不允許您使用自己的預先訓練模型。您可以使用 Amazon Elastic Container Service (Amazon ECS) 或 Amazon Elastic Kubernetes Service (Amazon ) 上的 Amazon SageMaker AI 或自訂容器解決方案來部署現有的預先訓練模型EKS。