View a markdown version of this page

Buat Pekerjaan Pelabelan Streaming dengan SageMaker API - Amazon SageMaker AI

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

Buat Pekerjaan Pelabelan Streaming dengan SageMaker API

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.

Berikut ini adalah contoh permintaan AWS Python SDK (Boto3) yang dapat Anda gunakan untuk memulai pekerjaan pelabelan streaming untuk jenis tugas bawaan di Wilayah AS Timur (Virginia Utara). Untuk detail lebih lanjut tentang setiap parameter di bawah ini lihat CreateLabelingJob. Untuk mempelajari cara membuat pekerjaan pelabelan menggunakan API ini dan SDK khusus bahasa terkait, lihat Membuat Pekerjaan Pelabelan (API).

Dalam contoh ini, perhatikan parameter berikut:

  • SnsDataSource— Parameter ini muncul di InputConfig dan OutputConfig dan digunakan untuk mengidentifikasi masukan dan keluaran topik Amazon SNS Anda masing-masing. Untuk membuat pekerjaan pelabelan streaming, Anda harus memberikan topik masukan Amazon SNS. Secara opsional, Anda juga dapat memberikan topik keluaran Amazon SNS.

  • S3DataSource— Parameter ini opsional. Gunakan parameter ini jika Anda ingin menyertakan file manifes input objek data yang ingin Anda beri label segera setelah pekerjaan pelabelan dimulai.

  • StoppingConditions- Parameter ini diabaikan saat Anda membuat pekerjaan pelabelan streaming. Untuk mempelajari selengkapnya tentang menghentikan pekerjaan pelabelan streaming, lihatMenghentikan Pekerjaan Pelabelan Streaming.

  • Pekerjaan pelabelan streaming tidak mendukung pelabelan data otomatis. Jangan sertakan LabelingJobAlgorithmsConfig parameter.

response = client.create_labeling_job(
    LabelingJobName= 'example-labeling-job',
    LabelAttributeName='label',
    InputConfig={
        'DataSource': {
            'S3DataSource': {
                'ManifestS3Uri': 's3://bucket/path/manifest-with-input-data.json'
            },
            'SnsDataSource': {
                'SnsTopicArn': 'arn:aws:sns:us-east-1:123456789012:your-sns-input-topic'
            }
        },
        'DataAttributes': {
            'ContentClassifiers': [
                'FreeOfPersonallyIdentifiableInformation'|'FreeOfAdultContent',
            ]
        }
    },
    OutputConfig={
        'S3OutputPath': 's3://bucket/path/file-to-store-output-data',
        'KmsKeyId': 'string',
        'SnsTopicArn': 'arn:aws:sns:us-east-1:123456789012:your-sns-output-topic'
    },
    RoleArn='arn:aws:iam::*:role/*',
    LabelCategoryConfigS3Uri='s3://bucket/path/label-categories.json',
    HumanTaskConfig={
        'WorkteamArn': 'arn:aws:sagemaker:us-east-1:*:workteam/private-crowd/*',
        'UiConfig': {
            'UiTemplateS3Uri': 's3://bucket/path/custom-worker-task-template.html'
        },
        'PreHumanTaskLambdaArn': 'arn:aws:lambda:us-east-1:432418664414:function:PRE-tasktype',
        'TaskKeywords': [
            'Example key word',
        ],
        'TaskTitle': 'Multi-label image classification task',
        'TaskDescription': 'Select all labels that apply to the images shown',
        'NumberOfHumanWorkersPerDataObject': 123,
        'TaskTimeLimitInSeconds': 123,
        'TaskAvailabilityLifetimeInSeconds': 123,
        'MaxConcurrentTaskCount': 123,
        'AnnotationConsolidationConfig': {
            'AnnotationConsolidationLambdaArn': 'arn:aws:lambda:us-east-1:432418664414:function:ACS-tasktype'
            }
        },
    Tags=[
        {
            'Key': 'string',
            'Value': 'string'
        },
    ]
)