Langkah 2: Latih model Anda - Rekognition

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Langkah 2: Latih model Anda

Pada langkah ini Anda melatih model Anda. Kumpulan data pelatihan dan pengujian secara otomatis dikonfigurasi untuk Anda. Setelah pelatihan berhasil diselesaikan, Anda dapat melihat hasil evaluasi keseluruhan, dan hasil evaluasi untuk gambar tes individu. Untuk informasi selengkapnya, lihat Melatih model Label Kustom Rekognition Amazon.

Untuk melatih model Anda

  1. Pada halaman dataset, pilih model Train. Gambar berikut menunjukkan konsol dengan tombol model kereta.

    Antarmuka konsol untuk kumpulan data kamar dengan tombol model Kereta untuk mulai melatih model.

  2. Pada halaman model Kereta, Pilih model Kereta. Gambar di bawah ini menunjukkan tombol Train model, perhatikan bahwa Amazon Resource Name (ARN) untuk proyek Anda ada di kotak Pilih project edit.

    Latih halaman model dengan bidang input ARN proyek dan tombol model Kereta.

  3. Di Apakah Anda ingin melatih model Anda? kotak dialog, yang ditunjukkan pada gambar berikut, pilih Model kereta.

    Kotak dialog untuk memulai pelatihan model dengan tombol model Cancel dan Train.

  4. Setelah pelatihan selesai, pilih nama model. Pelatihan selesai ketika status model TRAINING_COMPLETED, seperti yang ditunjukkan pada tangkapan layar konsol berikut.

    Antarmuka pelatihan model yang menunjukkan status lengkap untuk model bernama “ROOMS_19.2021-07-13T 10:36:30" dengan skor kinerja 0.902 dan status “TRAINING_COMPLETED”.

  5. Pilih tombol Evaluasi untuk melihat hasil evaluasi. Untuk informasi tentang mengevaluasi model, lihatMeningkatkan model Label Kustom Amazon Rekognition yang terlatih.

  6. Pilih Lihat hasil tes untuk melihat hasil gambar pengujian individual. Seperti yang terlihat pada tangkapan layar berikut, dasbor evaluasi menunjukkan metrik seperti skor F1, presisi, dan penarikan untuk setiap label bersama dengan jumlah gambar uji. Metrik keseluruhan seperti rata-rata, presisi, dan penarikan juga ditampilkan.

    Hasil evaluasi model menunjukkan metrik kinerja di 10 label.

  7. Setelah melihat hasil pengujian, pilih nama model untuk kembali ke halaman model. Tangkapan layar berikut dari dasbor kinerja tempat Anda dapat mengklik kembali ke halaman model.

    Dua contoh gambar dari hasil tes dengan label prediksi dan skor kepercayaan, dan tautan remah roti untuk kembali ke halaman model.