发布于: Oct 9, 2020
Amazon Rekognition 自定义标签是自动化机器学习 (AutoML) 功能，支持客户使用简单的推理 API 查找图像中与其业务需求息息相关的对象和场景。客户只需上传带标签的图像，即可创建自定义 ML 模型。使用此功能不需要具备机器学习专业知识。
今天，我们很高兴宣布推出一些新的工具，以引导用户修复导致训练失败的数据集相关错误。确定训练失败的根本原因往往十分枯燥和耗时。例如，如果数据集的内部发生错误，客户可能会收到诸如“清单文件包含太多无效行”的错误。要查找并修复其训练或测试数据集清单文件中的无效行，客户需要手动检查成千上万行。在本次更新后，Amazon Rekognition 自定义标签可提供根本原因分析、精细错误日志和建议修复措施等工具，从而让客户能够快速找出并修复数据集相关的错误，并成功完成模型的训练。客户可以在控制台中检查错误并查看详细报告，以及来自 DescribeProjectVersions 的响应。生成的新报告包括一个摘要验证文件（此文件会详细列明任何聚合的错误和未通过的数据集验证）以及训练和测试数据集清单验证文件（其中会包括详细的行级别错误）。在训练和测试清单验证文件中，错误消息将放置于出现错误的具体行中。这样，您将不再需要猜测具体的错误位置，节约了宝贵的时间，无需再痛苦地解析数据集清单文件。现在，我们为客户提供了多种工具和见解，让客户能够确定准确的错误原因、位置以及调试数据集所需的操作，并成功完成生产就绪级自定义机器学习模型的训练。
立即开始使用 Amazon Rekognition 自定义标签。