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

# Kesalahan konten manifes terminal
<a name="tm-debugging-aggregate-errors"></a>

Topik ini menjelaskan [Daftar kesalahan konten manifes terminal](tm-debugging.md#tm-error-category-combined-terminal) laporan dalam ringkasan manifes. Ringkasan manifes mencakup kode kesalahan dan pesan untuk setiap kesalahan yang terdeteksi. Untuk informasi selengkapnya, lihat [Memahami ringkasan manifes](tm-debugging-summary.md). Kesalahan konten manifes terminal tidak menghentikan pelaporan[Daftar kesalahan validasi baris JSON non-terminal](tm-debugging.md#tm-error-category-non-terminal-errors). 

## ERROR\$1TOO\$1MANY\$1INVALID\$1ROWS\$1IN\$1MANIFEST
<a name="tm-error-ERROR_TOO_MANY_INVALID_ROWS_IN_MANIFEST"></a>

### Pesan kesalahan
<a name="tm-error-message-ERROR_TOO_MANY_INVALID_ROWS_IN_MANIFEST"></a>

File manifes berisi terlalu banyak baris yang tidak valid. 

### Informasi selengkapnya
<a name="tm-error-description-ERROR_TOO_MANY_INVALID_ROWS_IN_MANIFEST"></a>

Terjadi `ERROR_TOO_MANY_INVALID_ROWS_IN_MANIFEST` kesalahan jika ada terlalu banyak JSON Lines yang berisi konten yang tidak valid.

Anda tidak dapat menggunakan konsol Label Kustom Rekognition Amazon untuk memperbaiki kesalahan. `ERROR_TOO_MANY_INVALID_ROWS_IN_MANIFEST`

**Untuk memperbaiki ERROR\$1TOO\$1MANY\$1INVALID\$1ROWS\$1IN\$1MANIFEST**

1. Periksa manifes untuk kesalahan JSON Line. Untuk informasi selengkapnya, lihat [Memahami manifestasi hasil validasi pelatihan dan pengujian](tm-debugging-scope-json-line.md).

1.  Perbaiki Garis JSON yang memiliki kesalahan Untuk informasi selengkapnya, lihat[Kesalahan Validasi Jalur JSON Non-Terminal](tm-debugging-json-line-errors.md). 



## ERROR\$1IMAGES\$1IN\$1MULTIPLE\$1S3\$1EMBER
<a name="tm-error-ERROR_IMAGES_IN_MULTIPLE_S3_BUCKETS"></a>

### Pesan kesalahan
<a name="tm-error-message-ERROR_IMAGES_IN_MULTIPLE_S3_BUCKETS"></a>

File manifes berisi gambar dari beberapa bucket S3.

### Informasi selengkapnya
<a name="tm-error-description-ERROR_IMAGES_IN_MULTIPLE_S3_BUCKETS"></a>

Manifes hanya dapat mereferensikan gambar yang disimpan dalam satu ember. Setiap JSON Line menyimpan lokasi Amazon S3 dari lokasi gambar dalam nilai. `source-ref` Dalam contoh berikut, nama bucket adalah *my-bucket*. 

```
"source-ref": "s3://my-bucket/images/sunrise.png"
```

Anda tidak dapat menggunakan konsol Label Kustom Rekognition Amazon untuk memperbaiki kesalahan ini.

**Untuk memperbaiki `ERROR_IMAGES_IN_MULTIPLE_S3_BUCKETS`**
+ Pastikan semua gambar Anda berada di bucket Amazon S3 yang sama dan nilai `source-ref` di setiap JSON Line mereferensikan bucket tempat gambar Anda disimpan. Atau, pilih bucket Amazon S3 pilihan dan hapus JSON Lines yang `source-ref` tidak mereferensikan bucket pilihan Anda. 



## ERROR\$1INVALID\$1PERMISSIONS\$1IMAGES\$1S3\$1BUCKET
<a name="tm-error-ERROR_INVALID_PERMISSIONS_IMAGES_S3_BUCKET"></a>

### Pesan kesalahan
<a name="tm-error-message-ERROR_INVALID_PERMISSIONS_IMAGES_S3_BUCKET"></a>

Izin untuk bucket S3 gambar tidak valid.

### Informasi selengkapnya
<a name="tm-error-description-ERROR_INVALID_PERMISSIONS_IMAGES_S3_BUCKET"></a>

Izin pada bucket Amazon S3 yang berisi gambar tidak benar.

Anda tidak dapat menggunakan konsol Label Kustom Rekognition Amazon untuk memperbaiki kesalahan ini.

**Untuk memperbaiki `ERROR_INVALID_PERMISSIONS_IMAGES_S3_BUCKET`**
+ Periksa izin bucket yang berisi gambar. Nilai `source-ref` untuk gambar berisi lokasi bucket. 



## ERROR\$1INVALID\$1IMAGES\$1S3\$1BUCKET\$1OWNER
<a name="tm-error-ERROR_INVALID_IMAGES_S3_BUCKET_OWNER"></a>

### Pesan kesalahan
<a name="tm-error-message-ERROR_INVALID_IMAGES_S3_BUCKET_OWNER"></a>

Id pemilik tidak valid untuk bucket S3 gambar.

### Informasi selengkapnya
<a name="tm-error-description-ERROR_INVALID_IMAGES_S3_BUCKET_OWNER"></a>

Pemilik ember yang berisi gambar pelatihan atau tes berbeda dari pemilik ember yang berisi manifes pelatihan atau tes. Anda dapat menggunakan perintah berikut untuk menemukan pemilik ember.

```
aws s3api get-bucket-acl --bucket amzn-s3-demo-bucket
```

`OWNER``ID`Harus cocok untuk ember yang menyimpan gambar dan file manifes.

**Untuk memperbaiki ERROR\$1INVALID\$1IMAGES\$1S3\$1BUCKET\$1OWNER**

1. Pilih pemilik ember pelatihan, pengujian, output, dan gambar yang diinginkan. Pemilik harus memiliki izin untuk menggunakan Label Kustom Amazon Rekognition.

1. Untuk setiap bucket yang saat ini tidak dimiliki oleh pemilik yang diinginkan, buat bucket Amazon S3 baru yang dimiliki oleh pemilik pilihan. 

1. Salin isi ember lama ke ember baru. Untuk informasi selengkapnya, [lihat Bagaimana cara menyalin objek di antara bucket Amazon S3?](https://aws.amazon.com/premiumsupport/knowledge-center/move-objects-s3-bucket/) .



Anda tidak dapat menggunakan konsol Label Kustom Rekognition Amazon untuk memperbaiki kesalahan ini.

## ERROR\$1INSUFFICIENT\$1IMAGES\$1PER\$1LABEL\$1FOR\$1AUTOSPLIT
<a name="tm-error-ERROR_INSUFFICIENT_IMAGES_PER_LABEL_FOR_AUTOSPLIT"></a>

### Pesan kesalahan
<a name="tm-error-message-ERROR_INSUFFICIENT_IMAGES_PER_LABEL_FOR_AUTOSPLIT"></a>

File manifes berisi gambar berlabel tidak cukup per label untuk melakukan pemisahan otomatis.

### Informasi selengkapnya
<a name="tm-error-description-ERROR_INSUFFICIENT_IMAGES_PER_LABEL_FOR_AUTOSPLIT"></a>

Selama pelatihan model, Anda dapat membuat kumpulan data pengujian dengan menggunakan 20% gambar dari kumpulan data pelatihan. ERROR\$1INSUFFICIENT\$1IMAGES\$1PER\$1LABEL\$1FOR\$1AUTOSPLIT terjadi ketika tidak ada cukup gambar untuk membuat kumpulan data pengujian yang dapat diterima.

Anda tidak dapat menggunakan konsol Label Kustom Rekognition Amazon untuk memperbaiki kesalahan ini.

**Untuk memperbaiki ERROR\$1INSUFFICIENT\$1IMAGES\$1PER\$1LABEL\$1FOR\$1AUTOSPLIT**
+ Tambahkan lebih banyak gambar berlabel ke kumpulan data pelatihan Anda. Anda dapat menambahkan gambar di konsol Label Kustom Rekognition Amazon dengan menambahkan gambar ke kumpulan data pelatihan, atau dengan menambahkan JSON Lines ke manifes pelatihan Anda. Untuk informasi selengkapnya, lihat [Mengelola kumpulan data](managing-dataset.md).



## ERROR\$1MANIFEST\$1TOO\$1FEW\$1LABELS
<a name="tm-error-ERROR_MANIFEST_TOO_FEW_LABELS"></a>

### Pesan kesalahan
<a name="tm-error-message-ERROR_MANIFEST_TOO_FEW_LABELS"></a>

File manifes memiliki terlalu sedikit label.

### Informasi selengkapnya
<a name="tm-error-description-ERROR_MANIFEST_TOO_FEW_LABELS"></a>

Kumpulan data pelatihan dan pengujian memiliki jumlah label minimum yang diperlukan. Minimum tergantung pada apakah dataset trains/tests model untuk mendeteksi label tingkat gambar (klasifikasi) atau jika model mendeteksi lokasi objek. Jika kumpulan data pelatihan dibagi untuk membuat kumpulan data pengujian, jumlah label dalam kumpulan data ditentukan setelah kumpulan data pelatihan dibagi. Untuk informasi selengkapnya, lihat [Pedoman dan kuota di Label Kustom Rekognition Amazon](limits.md).

**Untuk memperbaiki ERROR\$1MANIFEST\$1TOO\$1FEW\$1LABELS (konsol)**

1. Tambahkan lebih banyak label baru ke kumpulan data. Untuk informasi selengkapnya, lihat [Mengelola label](md-labels.md). 

1. Tambahkan label baru ke gambar di kumpulan data. Jika model Anda mendeteksi label tingkat gambar, lihat. [Menetapkan label tingkat gambar ke gambar](md-assign-image-level-labels.md) Jika model Anda mendeteksi lokasi objek, lihat[Pelabelan objek dengan kotak pembatas](md-localize-objects.md).



**Untuk memperbaiki ERROR\$1MANIFEST\$1TOO\$1FEW\$1LABELS (JSON Line)**
+ Tambahkan JSON Lines untuk gambar baru yang memiliki label baru. Untuk informasi selengkapnya, lihat [Membuat file manifes](md-create-manifest-file.md). Jika model Anda mendeteksi label tingkat gambar, Anda menambahkan nama label baru ke bidang. `class-name` Misalnya, label untuk gambar berikut adalah *Sunrise*.

  ```
  {
      "source-ref": "s3://bucket/images/sunrise.png",
      "testdataset-classification_Sunrise": 1,
      "testdataset-classification_Sunrise-metadata": {
          "confidence": 1,
          "job-name": "labeling-job/testdataset-classification_Sunrise",
          "class-name": "Sunrise",
          "human-annotated": "yes",
          "creation-date": "2018-10-18T22:18:13.527256",
          "type": "groundtruth/image-classification"
      }
  }
  ```

   Jika model Anda mendeteksi lokasi objek, tambahkan label baru ke`class-map`, seperti yang ditunjukkan pada contoh berikut.

  ```
  {
  	"source-ref": "s3://custom-labels-bucket/images/IMG_1186.png",
  	"bounding-box": {
  		"image_size": [{
  			"width": 640,
  			"height": 480,
  			"depth": 3
  		}],
  		"annotations": [{
  			"class_id": 1,
  			"top": 251,
  			"left": 399,
  			"width": 155,
  			"height": 101
  		}, {
  			"class_id": 0,
  			"top": 65,
  			"left": 86,
  			"width": 220,
  			"height": 334
  		}]
  	},
  	"bounding-box-metadata": {
  		"objects": [{
  			"confidence": 1
  		}, {
  			"confidence": 1
  		}],
  		"class-map": {
  			"0": "Echo",
  			"1": "Echo Dot"
  		},
  		"type": "groundtruth/object-detection",
  		"human-annotated": "yes",
  		"creation-date": "2018-10-18T22:18:13.527256",
  		"job-name": "my job"
  	}
  }
  ```

  Anda perlu memetakan tabel peta kelas ke anotasi kotak pembatas. Untuk informasi selengkapnya, lihat [Lokalisasi objek dalam file manifes](md-create-manifest-file-object-detection.md).

## ERROR\$1MANIFEST\$1TOO\$1MANY\$1LABELS
<a name="tm-error-ERROR_MANIFEST_TOO_MANY_LABELS"></a>

### Pesan kesalahan
<a name="tm-error-message-ERROR_MANIFEST_TOO_MANY_LABELS"></a>

File manifes memiliki terlalu banyak label.

#### Informasi selengkapnya
<a name="tm-error-description-ERROR_MANIFEST_TOO_MANY_LABELS"></a>

Jumlah label unik dalam manifes (dataset) lebih dari batas yang diizinkan. Jika kumpulan data pelatihan dibagi untuk membuat kumpulan data pengujian, jumlah label ditentukan setelah pemisahan. 

**Untuk memperbaiki ERROR\$1MANIFEST\$1TOO\$1MANY\$1LABELS (Konsol)**
+ Hapus label dari kumpulan data. Untuk informasi selengkapnya, lihat [Mengelola label](md-labels.md). Label secara otomatis dihapus dari gambar dan kotak pembatas di kumpulan data Anda.



**Untuk memperbaiki ERROR\$1MANIFEST\$1TOO\$1MANY\$1LABELS (JSON Line)**
+ Manifestasi dengan garis JSON tingkat gambar - Jika gambar memiliki label tunggal, hapus Garis JSON untuk gambar yang menggunakan label yang diinginkan. Jika JSON Line berisi beberapa label, hapus hanya objek JSON untuk label yang diinginkan. Untuk informasi selengkapnya, lihat [Menambahkan beberapa label tingkat gambar ke gambar](md-create-manifest-file-classification.md#md-dataset-purpose-classification-multiple-labels). 

  Manifestasi dengan lokasi objek JSON Lines - Hapus kotak pembatas dan informasi label terkait untuk label yang ingin Anda hapus. Lakukan ini untuk setiap JSON Line yang berisi label yang diinginkan. Anda perlu menghapus label dari `class-map` array dan objek yang sesuai dalam `objects` dan `annotations` array. Untuk informasi selengkapnya, lihat [Lokalisasi objek dalam file manifes](md-create-manifest-file-object-detection.md).

## ERROR\$1INSUFFICIENT\$1LABEL\$1TUMPANG TINDIH
<a name="tm-error-ERROR_INSUFFICIENT_LABEL_OVERLAP"></a>

### Pesan kesalahan
<a name="tm-error-message-ERROR_INSUFFICIENT_LABEL_OVERLAP"></a>

Kurang dari \$1\$1% label tumpang tindih antara pelatihan dan pengujian file manifes.

### Informasi selengkapnya
<a name="tm-error-description-ERROR_INSUFFICIENT_LABEL_OVERLAP"></a>

Ada kurang dari 50% tumpang tindih antara nama label dataset pengujian dan nama label dataset pelatihan.

**Untuk memperbaiki ERROR\$1INSUFFICIENT\$1LABEL\$1OVERLAP (Konsol)**
+ Hapus label dari kumpulan data pelatihan. Atau, tambahkan label yang lebih umum ke kumpulan data pengujian Anda. Untuk informasi selengkapnya, lihat [Mengelola label](md-labels.md). Label secara otomatis dihapus dari gambar dan kotak pembatas di kumpulan data Anda.



**Untuk memperbaiki ERROR\$1INSUFFICIENT\$1LABEL\$1OVERLAP dengan menghapus label dari kumpulan data pelatihan (JSON Line)**
+ Manifestasi dengan garis JSON tingkat gambar - Jika gambar memiliki label tunggal, hapus Garis JSON untuk gambar yang menggunakan label yang diinginkan. Jika JSON Line berisi beberapa label, hapus hanya objek JSON untuk label yang diinginkan. Untuk informasi selengkapnya, lihat [Menambahkan beberapa label tingkat gambar ke gambar](md-create-manifest-file-classification.md#md-dataset-purpose-classification-multiple-labels). Lakukan ini untuk setiap JSON Line dalam manifes yang berisi label yang ingin Anda hapus.

  Manifestasi dengan lokasi objek JSON Lines - Hapus kotak pembatas dan informasi label terkait untuk label yang ingin Anda hapus. Lakukan ini untuk setiap JSON Line yang berisi label yang diinginkan. Anda perlu menghapus label dari `class-map` array dan objek yang sesuai dalam `objects` dan `annotations` array. Untuk informasi selengkapnya, lihat [Lokalisasi objek dalam file manifes](md-create-manifest-file-object-detection.md).

**Untuk memperbaiki ERROR\$1INSUFFICIENT\$1LABEL\$1OVERLAP dengan menambahkan label umum ke kumpulan data pengujian (JSON Line)**
+ Tambahkan JSON Lines ke kumpulan data pengujian yang menyertakan gambar berlabel label yang sudah ada dalam kumpulan data pelatihan. Untuk informasi selengkapnya, lihat [Membuat file manifes](md-create-manifest-file.md).

## ERROR\$1MANIFEST\$1TOO\$1FEW\$1USABLE\$1LABELS
<a name="tm-error-ERROR_MANIFEST_TOO_FEW_USABLE_LABELS"></a>

### Pesan kesalahan
<a name="tm-error-message-ERROR_MANIFEST_TOO_FEW_USABLE_LABELS"></a>

File manifes memiliki terlalu sedikit label yang dapat digunakan.

### Informasi selengkapnya
<a name="tm-error-description-ERROR_MANIFEST_TOO_FEW_USABLE_LABELS"></a>

Manifes pelatihan dapat berisi JSON Lines dalam format label tingkat gambar dan dalam format lokasi objek. Bergantung pada jenis Garis JSON yang ditemukan dalam manifes pelatihan, Label Kustom Amazon Rekognition memilih untuk membuat model yang mendeteksi label tingkat gambar, atau model yang mendeteksi lokasi objek. Amazon Rekognition Custom Labels menyaring catatan JSON yang valid untuk JSON Lines yang tidak dalam format yang dipilih. ERROR\$1MANIFEST\$1TOO\$1FEW\$1USABLE\$1LABELS terjadi ketika jumlah label dalam manifes tipe model yang dipilih tidak cukup untuk melatih model.

Minimal 1 label diperlukan untuk melatih model yang mendeteksi label tingkat gambar. Minimal 2 label diperlukan untuk melatih model yang objek lokasi. 

**Untuk memperbaiki ERROR\$1MANIFEST\$1TOO\$1FEW\$1USABLE\$1LABELS (Konsol)**

1. Periksa `use_case` bidang dalam ringkasan manifes.

1. Tambahkan lebih banyak label ke kumpulan data pelatihan untuk kasus penggunaan (tingkat gambar atau pelokalan objek) yang cocok dengan nilai. `use_case` Untuk informasi selengkapnya, lihat [Mengelola label](md-labels.md). Label secara otomatis dihapus dari gambar dan kotak pembatas di kumpulan data Anda.

**Untuk memperbaiki ERROR\$1MANIFEST\$1TOO\$1FEW\$1USABLE\$1LABELS (JSON Line)**

1. Periksa `use_case` bidang dalam ringkasan manifes.

1. Tambahkan lebih banyak label ke kumpulan data pelatihan untuk kasus penggunaan (tingkat gambar atau pelokalan objek) yang cocok dengan nilai. `use_case` Untuk informasi selengkapnya, lihat [Membuat file manifes](md-create-manifest-file.md).



## ERROR\$1INSUFFICIENT\$1USABLE\$1LABEL\$1TUMPANG TINDIH
<a name="tm-error-ERROR_INSUFFICIENT_USABLE_LABEL_OVERLAP"></a>

### Pesan kesalahan
<a name="tm-error-message-ERROR_INSUFFICIENT_USABLE_LABEL_OVERLAP"></a>

Kurang dari \$1\$1% label yang dapat digunakan tumpang tindih antara file manifes pelatihan dan pengujian.

### Informasi selengkapnya
<a name="tm-error-description-ERROR_INSUFFICIENT_USABLE_LABEL_OVERLAP"></a>

 

Manifes pelatihan dapat berisi JSON Lines dalam format label tingkat gambar dan dalam format lokasi objek. Bergantung pada format yang ditemukan dalam manifes pelatihan, Label Kustom Amazon Rekognition memilih untuk membuat model yang mendeteksi label tingkat gambar, atau model yang mendeteksi lokasi objek. Label Kustom Rekognition Amazon tidak menggunakan catatan JSON yang valid untuk JSON Lines yang tidak dalam format model yang dipilih. ERROR\$1INSUFFICIENT\$1USABLE\$1LABEL\$1OVERLAP terjadi ketika ada kurang dari 50% tumpang tindih antara label pengujian dan pelatihan yang digunakan.

**Untuk memperbaiki ERROR\$1INSUFFICIENT\$1USABLE\$1LABEL\$1OVERLAP (Konsol)**
+ Hapus label dari kumpulan data pelatihan. Atau, tambahkan label yang lebih umum ke kumpulan data pengujian Anda. Untuk informasi selengkapnya, lihat [Mengelola label](md-labels.md). Label secara otomatis dihapus dari gambar dan kotak pembatas di kumpulan data Anda.



**Untuk memperbaiki ERROR\$1INSUFFICIENT\$1USABLE\$1LABEL\$1OVERLAP dengan menghapus label dari kumpulan data pelatihan (JSON Line)**
+ Kumpulan data yang digunakan untuk mendeteksi label tingkat gambar - Jika gambar memiliki label tunggal, hapus Garis JSON untuk gambar yang menggunakan label yang diinginkan. Jika JSON Line berisi beberapa label, hapus hanya objek JSON untuk label yang diinginkan. Untuk informasi selengkapnya, lihat [Menambahkan beberapa label tingkat gambar ke gambar](md-create-manifest-file-classification.md#md-dataset-purpose-classification-multiple-labels). Lakukan ini untuk setiap JSON Line dalam manifes yang berisi label yang ingin Anda hapus.

  Kumpulan data yang digunakan untuk mendeteksi lokasi objek - Hapus kotak pembatas dan informasi label terkait untuk label yang ingin Anda hapus. Lakukan ini untuk setiap JSON Line yang berisi label yang diinginkan. Anda perlu menghapus label dari `class-map` array dan objek yang sesuai dalam `objects` dan `annotations` array. Untuk informasi selengkapnya, lihat [Lokalisasi objek dalam file manifes](md-create-manifest-file-object-detection.md).

**Untuk memperbaiki ERROR\$1INSUFFICIENT\$1USABLE\$1LABEL\$1OVERLAP dengan menambahkan label umum ke kumpulan data pengujian (JSON Line)**
+ Tambahkan JSON Lines ke kumpulan data pengujian yang menyertakan gambar berlabel label yang sudah ada dalam kumpulan data pelatihan. Untuk informasi selengkapnya, lihat [Membuat file manifes](md-create-manifest-file.md).



## ERROR\$1FAILED\$1IMAGES\$1S3\$1COPY
<a name="tm-error-ERROR_FAILED_IMAGES_S3_COPY"></a>

### Pesan kesalahan
<a name="tm-error-message-ERROR_FAILED_IMAGES_S3_COPY"></a>

Gagal menyalin gambar dari ember S3.

### Informasi selengkapnya
<a name="tm-error-description-ERROR_FAILED_IMAGES_S3_COPY"></a>

Layanan tidak dapat menyalin gambar apa pun di kumpulan data Anda. 

Anda tidak dapat menggunakan konsol Label Kustom Rekognition Amazon untuk memperbaiki kesalahan ini.

**Untuk memperbaiki ERROR\$1FAILED\$1IMAGES\$1S3\$1COPY**

1. Periksa izin gambar Anda.

1. Jika Anda menggunakan AWS KMS, periksa kebijakan bucket. Untuk informasi selengkapnya, lihat [Mendekripsi file yang dienkripsi dengan AWS Key Management Service](su-encrypt-bucket.md#su-kms-encryption).

## File manifes memiliki terlalu banyak kesalahan terminal.
<a name="tm-error-message-ERROR_TOO_MANY_RECORDS_IN_ERROR"></a>



Ada terlalu banyak baris JSON dengan kesalahan konten terminal.

**Untuk memperbaiki `ERROR_TOO_MANY_RECORDS_IN_ERROR`**
+ Kurangi jumlah Garis JSON (gambar) dengan kesalahan konten terminal. Untuk informasi selengkapnya, lihat [Kesalahan konten manifes terminal](#tm-debugging-aggregate-errors). 

Anda tidak dapat menggunakan konsol Label Kustom Rekognition Amazon untuk memperbaiki kesalahan ini.