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。

# 語意分割超參數
<a name="segmentation-hyperparameters"></a>

下表會列出 Amazon SageMaker AI 語意分割演算法支援，用於網路架構、資料輸入和訓練的超參數。您可以在 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateTrainingJob.html) 請求的 `AlgorithmName` 中，針對訓練指定語意分割。

**網路架構超參數**


| 參數名稱 | Description | 
| --- | --- | 
| backbone |  用於演算法編碼器元件的骨幹。 **選用** 有效值：`resnet-50`、`resnet-101` 預設值：`resnet-50`  | 
| use\$1pretrained\$1model |  預先訓練模型是否會用於骨幹。 **選用** 有效值：`True`、`False` 預設值：`True`  | 
| algorithm |  要用於語意分割的演算法。 **選用** 有效值： [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/segmentation-hyperparameters.html) 預設值：`fcn`  | 

**資料超參數**


| 參數名稱 | Description | 
| --- | --- | 
| num\$1classes |  要分割的類別數。 **必要** 有效值：2 ≤ 正整數 ≤ 254  | 
| num\$1training\$1samples |  訓練資料中的樣本數。演算法會使用此值設定學習率排程器。 **必要** 有效值：正整數  | 
| base\$1size |  定義影像在裁剪前的重新縮放方式。影像會重新縮放，將較長一邊的大小長度設為 `base_size` 乘以介於 0.5 到 2.0 的隨機數字，而較短一邊的大小長度則會運算到保留長寬比。 **選用** 有效值：大於 16 的正整數 預設值：520  | 
| crop\$1size |  訓練期間輸入的影像大小。我們會根據 `base_size` 隨機重新縮放輸入影像，然後採用邊常等於 `crop_size` 的隨機正方形裁剪。系統會將 `crop_size` 自動四捨五入為 8 的倍數。 **選用** 有效值：大於 16 的正整數 預設值：240  | 

**訓練超參數**


| 參數名稱 | Description | 
| --- | --- | 
| early\$1stopping |  是否要在訓練期間使用提前停止邏輯。 **選用** 有效值：`True`、`False` 預設值：`False`  | 
| early\$1stopping\$1min\$1epochs |  必須執行的最低 epoch 數。 **選用** 有效值：整數 預設值：5  | 
| early\$1stopping\$1patience |  在演算法強制提前停止前，需符合較低效能容忍度的 epoch 數。 **選用** 有效值：整數 預設值：4  | 
| early\$1stopping\$1tolerance |  如果訓練任務分數 (mIOU) 的相對改善小於此值，則提前停止會將 epoch 視為尚未改善。只有在 `early_stopping` = `True` 時才會使用此值。 **選用** 有效值：0 ≤ 浮點數 ≤ 1 預設值：0.0  | 
| epochs |  用於訓練的 epoch 數。 **選用** 有效值：正整數 預設值：10  | 
| gamma1 |  `rmsprop` 平方梯度的移動平均衰減因子。僅限用於 `rmsprop`。 **選用** 有效值：0 ≤ 浮點數 ≤ 1 預設值：0.9  | 
| gamma2 |  `rmsprop` 的動力因子。 **選用** 有效值：0 ≤ 浮點數 ≤ 1 預設值：0.9  | 
| learning\$1rate |  初始學習率。 **選用** 有效值：0 < 浮點數 ≤ 1 預設值：0.001  | 
| lr\$1scheduler |  控制其隨時間減少值的學習率排程形狀。 **選用** 有效值： [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/segmentation-hyperparameters.html) 預設值：`poly`  | 
| lr\$1scheduler\$1factor |  假設 `lr_scheduler` 的設定為 `step`，則系統會依 `lr_scheduler_step` 指定每個 epoch 後降低 (乘以) `learning_rate` 的比例。否則，會遭到忽略。 **選用** 有效值：0 ≤ 浮點數 ≤ 1 預設值：0.1  | 
| lr\$1scheduler\$1step |  依 `lr_scheduler_factor` 降低 (乘以) `learning_rate` 後的以逗號分隔的 epoch 清單。例如，假設該值的設定為 `"10, 20"`，則系統會依第 10 個 epoch 後的 `lr_scheduler_factor` 降低 `learning-rate`，並再次依第 20 個 epoch 後的此因子降低學習率。 如果 `lr_scheduler` 的設定為 `step`，則為**有條件必要**。否則，會遭到忽略。 有效值：字串 預設值：(無預設值，使用時則此值為必要。)  | 
| mini\$1batch\$1size |  訓練的批次大小。使用較大的 `mini_batch_size` 通常會加快訓練，但是可能會使您記憶體不足。記憶體用量會受 `mini_batch_size` 和 `image_shape` 參數，以及骨幹架構影響。 **選用** 有效值：正整數  預設值：16  | 
| momentum |  `sgd` 最佳化工具的動力。當您使用其他最佳化工具時，語意分割演算法會忽略此參數。 **選用** 有效值：0 < 浮點數 ≤ 1 預設值：0.9  | 
| optimizer |  最佳化工具類型。如需最佳化工具的詳細資訊，請選擇適當連結： [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/segmentation-hyperparameters.html) **選用** 有效值：`adam`、`adagrad`、`nag`、`rmsprop`、`sgd` 預設值：`sgd`  | 
| syncbn |  如果設定為 `True`，則會針對跨 GPU 處理的所有範例計算批次標準化平均值和差異。 **選用**  有效值：`True`、`False` 預設值：`False`  | 
| validation\$1mini\$1batch\$1size |  驗證的批次大小。使用較大的 `mini_batch_size` 通常會加快訓練，但是可能會使您記憶體不足。記憶體用量會受 `mini_batch_size` 和 `image_shape` 參數，以及骨幹架構影響。 [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/segmentation-hyperparameters.html) **選用** 有效值：正整數 預設值：16  | 
| weight\$1decay |  `sgd` 最佳化工具的加權衰減係數。當您使用其他最佳化工具時，演算法會忽略此參數。 **選用** 有效值：0 < 浮點數 < 1 預設值：0.0001  |