Wählen Sie Ihre Cookie-Einstellungen aus

Wir verwenden essentielle Cookies und ähnliche Tools, die für die Bereitstellung unserer Website und Services erforderlich sind. Wir verwenden Performance-Cookies, um anonyme Statistiken zu sammeln, damit wir verstehen können, wie Kunden unsere Website nutzen, und Verbesserungen vornehmen können. Essentielle Cookies können nicht deaktiviert werden, aber Sie können auf „Anpassen“ oder „Ablehnen“ klicken, um Performance-Cookies abzulehnen.

Wenn Sie damit einverstanden sind, verwenden AWS und zugelassene Drittanbieter auch Cookies, um nützliche Features der Website bereitzustellen, Ihre Präferenzen zu speichern und relevante Inhalte, einschließlich relevanter Werbung, anzuzeigen. Um alle nicht notwendigen Cookies zu akzeptieren oder abzulehnen, klicken Sie auf „Akzeptieren“ oder „Ablehnen“. Um detailliertere Entscheidungen zu treffen, klicken Sie auf „Anpassen“.

Schritt 2: Trainieren Ihres Modells

Fokusmodus
Schritt 2: Trainieren Ihres Modells - Rekognition

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

In diesem Schritt trainieren Sie Ihr Modell. Die Trainings- und Testdatensätze werden automatisch für Sie konfiguriert. Nach erfolgreichem Abschluss des Trainings können Sie die allgemeinen Bewertungsergebnisse und die Bewertungsergebnisse für einzelne Testbilder sehen. Weitere Informationen finden Sie unter Trainieren eines Amazon Rekognition Custom Labels-Modells.

So trainieren Sie Ihr Modell
  1. Wählen Sie auf der Datensatzseite das Modell Train aus. Die folgende Abbildung zeigt die Konsole mit der Schaltfläche für das Zugmodell.

    Konsolenoberfläche für den Datensatz „Räume“ mit der Schaltfläche Modell trainieren, um mit dem Training eines Modells zu beginnen.
  2. Wählen Sie auf der Seite Modell trainieren die Option Modell trainieren aus. Das Bild unten zeigt die Schaltfläche Modell trainieren. Beachten Sie, dass sich der Amazon-Ressourcenname (ARN) für Ihr Projekt im Bearbeitungsfeld Projekt auswählen befindet.

    Seite „Zugmodell“ mit ARN Projekteingabefeld und Schaltfläche „Modell trainieren“.
  3. Auf der Seite Möchten Sie Ihr Modell trainieren? Wählen Sie im Dialogfeld, das in der folgenden Abbildung gezeigt wird, die Option Modell trainieren aus.

    Dialogfeld zum Starten des Modelltrainings mit den Schaltflächen Abbrechen und Modell trainieren.
  4. Wählen Sie nach Abschluss des Trainings den Modellnamen aus. Das Training ist abgeschlossen, wenn der Modellstatus TRAINING_ istCOMPLETED, wie im folgenden Konsolen-Screenshot gezeigt.

    Die Benutzeroberfläche für das Modelltraining zeigt den Status „abgeschlossen“ für das Modell mit dem Namen „rooms_19.2021-07-13T 10:36:30" mit einem Leistungswert von 0,902 und dem Status "_“ an. TRAINING COMPLETED
  5. Wählen Sie die Schaltfläche Bewerten, um die Bewertungsergebnisse anzuzeigen. Weitere Informationen zum Bewerten eines Modells finden Sie unter Verbessern eines geschulten Amazon Rekognition Custom Labels-Modells.

  6. Wählen Sie Testergebnisse anzeigen, um die Ergebnisse für einzelne Testbilder anzuzeigen. Wie im folgenden Screenshot zu sehen ist, zeigt das Bewertungs-Dashboard Kennzahlen wie F1-Ergebnis, Präzision und Erinnerungsvermögen für jedes Label zusammen mit der Anzahl der Testbilder an. Allgemeine Kennzahlen wie Durchschnitt, Genauigkeit und Erinnerungsvermögen werden ebenfalls angezeigt.

    Die Ergebnisse der Modellauswertung zeigen Leistungskennzahlen für 10 Labels.
  7. Nachdem Sie sich die Testergebnisse angesehen haben, wählen Sie den Modellnamen, um zur Modellseite zurückzukehren. Der folgende Screenshot des Leistungs-Dashboards, in dem Sie klicken können, um zur Modellseite zurückzukehren.

    Zwei Beispielbilder von Testergebnissen mit vorhergesagten Bezeichnungen und Konfidenzwerten sowie ein Breadcrumb-Link, um zur Modellseite zurückzukehren.
DatenschutzNutzungsbedingungen für die WebsiteCookie-Einstellungen
© 2025, Amazon Web Services, Inc. oder Tochtergesellschaften. Alle Rechte vorbehalten.