View a markdown version of this page

Mengotomatiskan pengaturan data untuk pekerjaan pelabelan - Amazon SageMaker AI

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

Mengotomatiskan pengaturan data untuk pekerjaan pelabelan

catatan

Amazon SageMaker Ground Truth tidak lagi terbuka untuk pelanggan baru. Pelanggan yang sudah ada dapat terus menggunakan layanan seperti biasa. AWS terus berinvestasi dalam peningkatan keamanan dan ketersediaan untuk Ground Truth, tetapi kami tidak berencana untuk memperkenalkan fitur baru.

Anda dapat menggunakan pengaturan data otomatis untuk membuat file manifes untuk pekerjaan pelabelan Anda di konsol Ground Truth menggunakan gambar, video, bingkai video, file teks (.txt), dan file nilai yang dipisahkan koma (.csv) yang disimpan di Amazon S3. Saat menggunakan pengaturan data otomatis, Anda menentukan lokasi Amazon S3 tempat data input disimpan dan jenis data input, dan Ground Truth mencari file yang cocok dengan jenis tersebut di lokasi yang Anda tentukan.

catatan

Ground Truth tidak menggunakan AWS KMS kunci untuk mengakses data input Anda atau menulis file manifes masukan di lokasi Amazon S3 yang Anda tentukan. Pengguna atau peran yang membuat pekerjaan pelabelan harus memiliki izin untuk mengakses objek data input Anda di Amazon S3.

Sebelum menggunakan prosedur berikut, pastikan bahwa gambar atau file input Anda diformat dengan benar:

  • File gambar — File gambar harus mematuhi batas ukuran dan resolusi yang tercantum dalam tabel yang ditemukan diKuota Ukuran Berkas Masukan.

  • File teks — Data teks dapat disimpan dalam satu atau lebih file.txt. Setiap item yang ingin Anda beri label harus dipisahkan oleh jeda baris standar.

  • File CSV - Data teks dapat disimpan dalam satu atau lebih file.csv. Setiap item yang ingin Anda beri label harus berada di baris terpisah.

  • Video - File video dapat berupa salah satu format berikut: .mp4, .ogg, dan .webm. Jika Anda ingin mengekstrak bingkai video dari file video Anda untuk deteksi objek atau pelacakan objek, lihatMenyediakan File Video.

  • Bingkai video - Frame video adalah gambar yang diekstrak dari video. Semua gambar yang diekstrak dari satu video disebut sebagai urutan bingkai video. Setiap urutan bingkai video harus memiliki kunci awalan unik di Amazon S3. Lihat Menyediakan Bingkai Video. Untuk tipe data ini, lihat Siapkan Data Input Bingkai Video Otomatis

penting

Untuk pekerjaan deteksi objek bingkai video dan pelabelan pelacakan objek bingkai video, lihat Siapkan Data Input Bingkai Video Otomatis untuk mempelajari cara menggunakan pengaturan data otomatis.

Gunakan instruksi ini untuk secara otomatis mengatur koneksi dataset input Anda dengan Ground Truth.

Secara otomatis menghubungkan data Anda di Amazon S3 dengan Ground Truth

  1. Arahkan ke halaman pekerjaan Buat pelabelan di konsol Amazon SageMaker AI di https://console.aws.amazon.com/sagemaker/.

    Tautan ini menempatkan Anda di Wilayah Virginia Utara (us-east-1) AWS . Jika data input Anda berada di bucket Amazon S3 di Wilayah lain, beralih ke Wilayah tersebut. Untuk mengubah Wil AWS ayah Anda, pada bilah navigasi, pilih nama Wilayah yang saat ini ditampilkan.

  2. Pilih Buat pekerjaan pelabelan.

  3. Masukkan nama pekerjaan.

  4. Di bagian Peng aturan data input, pilih Peng aturan data otomatis.

  5. Masukkan lokasi URI Amazon S3 untuk S3 untuk kumpulan data masukan.

  6. Tentukan lokasi S3 Anda untuk kumpulan data keluaran. Di sinilah data output Anda disimpan.

  7. Pilih tipe Data Anda menggunakan daftar dropdown.

  8. Gunakan menu tarik-turun di bawah Peran IAM untuk memilih peran eksekusi. Jika Anda memilih Buat peran baru, tentukan bucket Amazon S3 yang ingin Anda berikan izin akses peran ini. Peran ini harus memiliki izin untuk mengakses bucket S3 yang Anda tentukan dalam Langkah 5 dan 6.

  9. Pilih Pengaturan data lengkap.

Ini membuat manifes input di lokasi Amazon S3 untuk kumpulan data masukan yang Anda tentukan pada langkah 5. Jika Anda membuat pekerjaan pelabelan menggunakan SageMaker API atau, AWS CLI, atau AWS SDK, gunakan URI Amazon S3 untuk file manifes masukan ini sebagai masukan ke parameterManifestS3Uri.

GIF berikut menunjukkan cara menggunakan pengaturan data otomatis untuk data gambar. Contoh ini akan membuat file, dataset-YYMMDDTHHMMSS.manifest di bucket Amazon S3 di example-groundtruth-images mana YYMMDDTHHmmSS menunjukkan tahun (YY), bulan (MM), hari (DD) dan waktu dalam jam (HH), menit (mm) dan detik (ss), bahwa file manifes input dibuat.

GIF menunjukkan cara menggunakan pengaturan data otomatis untuk data gambar.