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。
SageMaker AI 提供用於影像分類、物件偵測和電腦視覺的影像處理演算法。
-
影像分類 - MXNet——使用含有答案的範例資料 (稱為受監督的演算法)。使用此演算法分類影像。
-
影像分類 - TensorFlow - 使用預先訓練的 TensorFlow Hub 模型來微調特定任務 (稱為受監管演算法)。使用此演算法分類影像。
-
物件偵測 - MXNet——使用單個深度神經網路偵測和分類圖像中的物件。這是一個受監督的學習演算法，可將影像做為輸入，並識別影像場景內的所有物件執行個體。
-
物件偵測 - TensorFlow - 檢測圖像中的邊界框和物件標籤。這是一種監督式學習演算法，可透過預先訓練的 TensorFlow 模型支援轉移學習。
-
語意分割演算法——提供細微的像素層級方式，開發電腦視覺應用程式。
| 演算法名稱 | 頻道名稱 | 訓練輸入模式 | 檔案類型 | 執行個體類別 | 可平行化 |
|---|---|---|---|---|---|
| 影像分類 - MXNet | 訓練和驗證、(選擇性) train_lst、validation_lst 和模型 | 檔案或管道 | recordIO 或圖片檔 (.jpg 或 .png) | GPU | 是 |
| 影像分類 - TensorFlow | 訓練與驗證 | 檔案 | 影像檔案 (.jpg、.jpeg 或 .png) | CPU 或 GPU | 是 (僅適用於單一執行個體上的多個 GPU) |
| 物件偵測 | 訓練和驗證、(選擇性) train_annotation、validation_annotation 和模型 | 檔案或管道 | recordIO 或圖片檔 (.jpg 或 .png) | GPU | 是 |
| 物體偵測 - TensorFlow | 訓練與驗證 | 檔案 | 影像檔案 (.jpg、.jpeg 或 .png) | GPU | 是 (僅適用於單一執行個體上的多個 GPU) |
| 語義分段 | 訓練和驗證、train_annotation、validation_annotation 和 (選擇性) label_map 與模型 | 檔案或管道 | 影像檔 | GPU (限單一執行個體) | 否 |
