Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
# Creare un processo di etichettatura (API)
Per creare un processo di etichettatura utilizzando l' SageMaker API Amazon, si utilizza l'[https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html)operazione. Per istruzioni specifiche sulla creazione di un processo di etichettatura per un tipo di attività predefinita, consulta la pagina [ relativa al tipo di attività](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-task-types.html). Per informazioni su come creare un processo di etichettatura in streaming, che è un processo di etichettatura che viene eseguito continuamente, consulta [Creare un processo di etichettatura in streaming](sms-streaming-create-job.md)
Per utilizzare l’operazione `CreateLabelingJob`, è necessario quanto segue:
+ Un modello di attività del worker (`UiTemplateS3Uri`) o un ARN dell'interfaccia utente dell'attività umana (`[HumanTaskUiArn](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_UiConfig.html#sagemaker-Type-UiConfig-HumanTaskUiArn)`) in Amazon S3.
+ Per i processi con nuvole di punti 3D, i processi di rilevamento e tracciamento di oggetti video e i processi NER, utilizza l'ARN elencato in `HumanTaskUiArn` in base al tipo di attività.
+ Se utilizzi un tipo di attività integrato diverso dalle attività con nuvole di punti 3D, è possibile aggiungere le istruzioni per il worker a uno dei modelli predefiniti e salvare il modello (utilizzando un'estensione.html o .liquid) nel bucket S3. Trova i modelli di pre-compilazione nella pagina [del tipo di attività](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-task-types.html).
+ Se utilizzi un flusso di lavoro di etichettatura personalizzato, è possibile creare un modello personalizzato e salvarlo nel bucket S3. Per informazioni su come creare un modello di lavoro personalizzato, consulta [Creazione di un modello di attività del worker personalizzato](sms-custom-templates-step2.md). Per gli elementi HTML personalizzati che è possibile utilizzare per personalizzare il modello, consulta [Riferimento per gli elementi Crowd HTML](sms-ui-template-reference.md). Per un archivio di modelli dimostrativi per una varietà di attività di etichettatura, consulta [Amazon SageMaker Ground Truth Sample](https://github.com/aws-samples/amazon-sagemaker-ground-truth-task-uis) Task. UIs
+ Un file manifest di input che specifica i dati di input in Amazon S3. Specifica la posizione del file manifest di input in `ManifestS3Uri`. Per informazioni sulla creazione di un file manifest di input, consulta [Dati di input](sms-data-input.md). Se crei un processo di etichettatura in streaming, questo è facoltativo. Per informazioni su come creare un processo di etichettatura in streaming, consulta [Creare un processo di etichettatura in streaming](sms-streaming-create-job.md).
+ Un bucket Amazon S3 per memorizzare i dati di output. Specifica questo bucket e, facoltativamente, un prefisso in `S3OutputPath`.
+ Un file di configurazione della categoria di etichetta. Il nome di ciascuna categoria di etichette deve essere univoco. Specifica la posizione di questo file in Amazon S3 utilizzando il parametro `LabelCategoryConfigS3Uri`. Il formato e le categorie di etichette per questo file dipendono dal tipo di attività utilizzata:
+ Per la classificazione delle immagini e del testo (etichetta singola e multipla) devi specificare almeno due categorie di etichette. Per tutti gli altri tipi di attività, il numero minimo di categorie di etichette richieste è una.
+ Per le attività di riconoscimento di entità denominate, è necessario fornire istruzioni ai worker in questo file. Per informazioni dettagliate e un esempio, consulta [Fornisci le istruzioni per il worker in un file di configurazione della categoria di etichette](sms-named-entity-recg.md#worker-instructions-ner).
+ Per il tipo di attività con nuvola di punti 3D e fotogrammi video, utilizza il formato in [File di configurazione delle categoria di etichettatura con riferimento alle categorie di etichette e agli attributi dei frame](sms-label-cat-config-attributes.md).
+ Per tutti gli altri tipi di attività integrati e attività personalizzate, il file di configurazione delle categorie di etichette deve essere un file JSON nel formato seguente. Identifica le etichette che desideri utilizzare sostituendo `label_1`, `label_2`,`...` e `label_n` con le categorie di etichette.
```
{
"document-version": "2018-11-28",
"labels": [
{"label": "{{label_1}}"},
{"label": "{{label_2}}"},
...
{"label": "{{label_n}}"}
]
}
```
+ Un ruolo AWS Identity and Access Management (IAM) con la policy IAM [AmazonSageMakerGroundTruthExecution](https://console.aws.amazon.com/iam/home?#/policies/arn:aws:iam::aws:policy/AmazonSageMakerGroundTruthExecution)gestita allegata e con le autorizzazioni per accedere ai bucket S3. Specificare questo ruolo in `RoleArn`. Per ulteriori informazioni su questa policy, consulta [Utilizzare le policy gestite da IAM con Ground Truth](sms-security-permissions-get-started.md). Se sono necessarie autorizzazioni più granulari, consulta [Assegnare le autorizzazioni IAM per utilizzare Ground Truth](sms-security-permission.md).
Se il nome del bucket di input o di output non contiene `sagemaker`, è possibile collegare una policy simile al seguente al ruolo passato all'operazione `CreateLabelingJob`.
------
#### [ JSON ]
****
```
{
"Version":"2012-10-17",
"Statement": [
{
"Effect": "Allow",
"Action": [
"s3:GetObject"
],
"Resource": [
"arn:aws:s3:::{{my_input_bucket}}/*"
]
},
{
"Effect": "Allow",
"Action": [
"s3:PutObject"
],
"Resource": [
"arn:aws:s3:::{{my_output_bucket}}/*"
]
}
]
}
```
------
+ Una funzione AWS Lambda di pre-annotazione e post-annotazione (o consolidamento annotazioni) nome della risorsa Amazon (ARN) per elaborare i dati di input e output.
+ Le funzioni Lambda sono predefinite in ogni AWS regione per i tipi di attività predefiniti. Per trovare l'ARN Lambda di pre-annotazione per la tua regione, consulta. [PreHumanTaskLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/dg/API_HumanTaskConfig.html#SageMaker-Type-HumanTaskConfig-PreHumanTaskLambdaArn) Per trovare l'ARN Lambda di consolidamento delle annotazioni per la tua regione, consulta. [AnnotationConsolidationLambdaArn](https://docs.aws.amazon.com/sagemaker/latest/dg/API_AnnotationConsolidationConfig.html#SageMaker-Type-AnnotationConsolidationConfig-AnnotationConsolidationLambdaArn)
+ Per i flussi di lavoro di etichettatura personalizzati, è necessario fornire un ARN Lamda post-annotazione e pre-annotazione personalizzato. Per informazioni su come creare queste funzioni Lambda, consulta [Elaborazione dei dati in un flusso di lavoro di etichettatura personalizzato con AWS Lambda](sms-custom-templates-step3.md).
+ Un ARN del team di lavoro specificato dall'utente in `WorkteamArn`. Riceverai un ARN per il team di lavoro quando ti iscrivi alla forza lavoro di un fornitore o crei un team di lavoro privato. Se state creando un lavoro di etichettatura per un tipo di attività con frame video o nuvola di punti, non potete utilizzare la forza lavoro. Amazon Mechanical Turk Per tutti gli altri tipi di attività, per utilizzare la forza lavoro di Mechanical Turk, usa il seguente ARN. {{`region`}}Sostituiscilo con la AWS regione che stai utilizzando per creare il lavoro di etichettatura.
` arn:aws:sagemaker:{{region}}:394669845002:workteam/public-crowd/default`
Se utilizzi la [forza lavoro di Amazon Mechanical Turk](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-workforce-management-public.html), usa il parametro `ContentClassifiers` in `DataAttributes` di `InputConfig` per dichiarare che i tuoi contenuti sono privi di informazioni personali e di contenuti per adulti.
Ground Truth *richiede* che i dati di input siano privi di informazioni di identificazione personale (PII) quando utilizzi la forza lavoro di Mechanical Turk. Se utilizzi Mechanical Turk e non specifichi che i dati di input sono privi di informazioni personali utilizzando il flag `FreeOfPersonallyIdentifiableInformation`, il processo di etichettatura avrà esito negativo. Usa il `FreeOfAdultContent` flag per dichiarare che i tuoi dati di input sono privi di contenuti per adulti. SageMaker L'intelligenza artificiale può limitare il numero di dipendenti di Amazon Mechanical Turk che possono visualizzare la tua attività se contiene contenuti per adulti.
Per ulteriori informazioni sui team di lavoro e sulle forze lavoro, consulta [Forza lavoro](sms-workforce-management.md).
+ Se utilizzi la forza lavoro di Mechanical Turk, devi specificare il prezzo che pagherai ai worker per l'esecuzione di una singola attività in `PublicWorkforceTaskPrice`.
+ Per configurare l'attività, è necessario fornire una descrizione e un titolo dell'attività utilizzando `TaskDescription` e `TaskTitle` rispettivamente. Facoltativamente, puoi fornire limiti di tempo che controllano il tempo a disposizione dei worker per lavorare su una singola attività (`TaskTimeLimitInSeconds`) e per quanto tempo le attività rimangono nel portale dei worker, disponibile per i worker (`TaskAvailabilityLifetimeInSeconds`).
+ (Facoltativo) Per [alcuni tipi di task](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-annotation-consolidation.html), è possibile assegnare a più worker un'etichetta a singola immagine dati (inserendo un numero maggiore di uno per il parametro `NumberOfHumanWorkersPerDataObject`). Per ulteriori informazioni sul consolidamento delle annotazioni, consulta [Consolidamento delle annotazioni](sms-annotation-consolidation.md).
+ (Facoltativo) Per creare un processo automatico di etichettatura dei dati, specifica uno dei processi ARNs elencati in [LabelingJobAlgorithmSpecificationArn](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_LabelingJobAlgorithmsConfig.html). `LabelingJobAlgorithmsConfig` Questo ARN identifica l'algoritmo utilizzato nel processo di etichettatura automatica dei dati. Il tipo di attività associato a questo ARN deve corrispondere al tipo di attività `PreHumanTaskLambdaArn` e `AnnotationConsolidationLambdaArn` specificate. L'etichettatura dei dati automatica è supportata per i seguenti tipi di attività: classificazione delle immagini, riquadro di delimitazione, segmentazione semantica e classificazione del testo. Il numero minimo di oggetti consentiti per l'etichettatura dei dati automatica è di 1.250, e consigliamo vivamente di fornire un minimo di 5.000 oggetti. Per ulteriori informazioni sui processi di etichettatura dei dati automatica, consulta [Automatizzare l’etichettatura dei dati](sms-automated-labeling.md).
+ (Facoltativo) Puoi fornire [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#API_CreateLabelingJob_RequestSyntax](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html#API_CreateLabelingJob_RequestSyntax) che fa in modo che il processo di etichettatura si interrompa se viene soddisfatta una delle condizioni. Puoi utilizzare le condizioni di interruzione per controllare il costo del processo di etichettatura.
## Esempi
Gli esempi di codice seguenti mostrano come creare un processo di etichettatura utilizzando `CreateLabelingJob`. [Puoi anche vedere questi taccuini di esempio GitHub nel repository AI Examples. SageMaker ](https://github.com/aws/amazon-sagemaker-examples/tree/master/ground_truth_labeling_jobs)
------
#### [ AWS SDK per Python (Boto3) ]
Di seguito è riportato un esempio di [richiesta AWS Python SDK (Boto3)](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/sagemaker.html#SageMaker.Client.create_labeling_job) per creare un processo di etichettatura per un tipo di attività integrata nella Regione Stati Uniti orientali (Virginia settentrionale) utilizzando una forza lavoro privata. Sostituisci tutto {{red-italized text}} con le risorse e le specifiche del tuo lavoro di etichettatura.
```
response = client.create_labeling_job(
LabelingJobName={{"example-labeling-job"}},
LabelAttributeName={{"label"}},
InputConfig={
'DataSource': {
'S3DataSource': {
'ManifestS3Uri': {{"s3://bucket/path/manifest-with-input-data.json"}}
}
},
'DataAttributes': {
'ContentClassifiers': [
{{"FreeOfPersonallyIdentifiableInformation"|"FreeOfAdultContent"}},
]
}
},
OutputConfig={
'S3OutputPath': {{"s3://bucket/path/file-to-store-output-data"}},
'KmsKeyId': {{"string"}}
},
RoleArn="{{arn:aws:iam::*:role/*}}",
LabelCategoryConfigS3Uri={{"s3://bucket/path/label-categories.json"}},
StoppingConditions={
'MaxHumanLabeledObjectCount': {{123}},
'MaxPercentageOfInputDatasetLabeled': {{123}}
},
HumanTaskConfig={
'WorkteamArn': {{"arn:aws:sagemaker:region:*: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': [
"{{Images}}",
"{{Classification}}",
"{{Multi-label}}"
],
'TaskTitle': {{"Multi-label image classification task"}},
'TaskDescription': {{"Select all labels that apply to the images shown"}},
'NumberOfHumanWorkersPerDataObject': {{1}},
'TaskTimeLimitInSeconds': {{3600}},
'TaskAvailabilityLifetimeInSeconds': {{21600}},
'MaxConcurrentTaskCount': {{1000}},
'AnnotationConsolidationConfig': {
'AnnotationConsolidationLambdaArn': "arn:aws:lambda:{{us-east-1:432418664414}}:function:ACS-"
},
Tags=[
{
'Key': {{"string"}},
'Value': {{"string"
}} },
]
)
```
------
#### [ AWS CLI ]
[Di seguito è riportato un esempio di richiesta AWS CLI per creare un processo di etichettatura per un tipo di attività integrato nella regione Stati Uniti orientali (Virginia settentrionale) utilizzando la forza lavoro di Amazon Mechanical Turk.](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-workforce-management-public.html) Per ulteriori informazioni, consulta [start-human-loop](https://docs.aws.amazon.com/cli/latest/reference/sagemaker/create-labeling-job.html) nella *documentazione di riferimento dei comandi della [AWS CLI](https://docs.aws.amazon.com/cli/latest/reference/)*. Sostituisci tutto {{red-italized text}} con le risorse e le specifiche del tuo lavoro di etichettatura.
```
$ aws --region us-east-1 sagemaker create-labeling-job \
--labeling-job-name {{"example-labeling-job"}} \
--label-attribute-name {{"label"}} \
--role-arn "arn:aws:iam::{{account-id}}:role/{{role-name}}" \
--input-config '{
"DataAttributes": {
"ContentClassifiers": [
{{"FreeOfPersonallyIdentifiableInformation"}},
{{"FreeOfAdultContent"}}
]
},
"DataSource": {
"S3DataSource": {
"ManifestS3Uri": {{"s3://bucket/path/manifest-with-input-data.json"}}
}
}
}' \
--output-config '{
"KmsKeyId": "",
"S3OutputPath": {{"s3://bucket/path/file-to-store-output-data"}}
}' \
--human-task-config '{
"AnnotationConsolidationConfig": {
"AnnotationConsolidationLambdaArn": "arn:aws:lambda:{{us-east-1:432418664414}}:function:ACS-"
},
"TaskAvailabilityLifetimeInSeconds": {{21600}},
"TaskTimeLimitInSeconds": {{3600}},
"NumberOfHumanWorkersPerDataObject": {{1}},
"PreHumanTaskLambdaArn": "arn:aws:lambda:{{us-east-1:432418664414}}:function:PRE-{{tasktype}}",
"WorkteamArn": {{"arn:aws:sagemaker:us-east-1:394669845002:workteam/public-crowd/default"}},
"PublicWorkforceTaskPrice": {
"AmountInUsd": {
"Dollars": {{0}},
"TenthFractionsOfACent": {{6}},
"Cents": {{3
}} }
},
"TaskDescription": {{"Select all labels that apply to the images shown"}},
"MaxConcurrentTaskCount": {{1000}},
"TaskTitle": {{"Multi-label image classification task"}},,
"TaskKeywords": [
"{{Images}}",
"{{Classification}}",
"{{Multi-label}}"
],
"UiConfig": {
"UiTemplateS3Uri": {{"s3://bucket/path/custom-worker-task-template.html"}}
}
}'
```
------
Per ulteriori informazioni su questa operazione, consulta [CreateLabelingJob](https://docs.aws.amazon.com/sagemaker/latest/dg/API_CreateLabelingJob.html). Per informazioni su come utilizzare altre lingue specifiche SDKs, vedere la sezione [Vedere anche](https://docs.aws.amazon.com/sagemaker/latest/dg/API_CreateLabelingJob.html#API_CreateLabelingJob_SeeAlso) nell'argomento. `CreateLabelingJobs`