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 flusso di lavoro personalizzato mediante l’API
Nota
Amazon SageMaker Ground Truth non è più aperto a nuovi clienti. I clienti esistenti possono continuare a utilizzare il servizio normalmente. AWS continua a investire in miglioramenti della sicurezza e della disponibilità di Ground Truth, ma non prevediamo di introdurre nuove funzionalità.
Quando hai creato il modello di interfaccia utente personalizzato (fase 2) e le funzioni Lambda di elaborazione (fase 3), dovresti inserire il modello in un bucket Amazon S3 con un nome file nel formato: <FileName>.liquid.html. Usa l'azione CreateLabelingJob per configurare l'attività. Potrai utilizzare la posizione di un modello personalizzato (Creazione di un modello di attività del worker personalizzato) archiviato in un file <filename>.liquid.htmlUiTemplateS3Uri nell'oggetto UiConfig all'interno dell'oggetto HumanTaskConfig.
Per le attività AWS Lambda descritte inElaborazione dei dati in un flusso di lavoro di etichettatura personalizzato con AWS Lambda, l'ARN dell'attività di post-annotazione verrà utilizzato come valore per il AnnotationConsolidationLambdaArn campo e l'attività di pre-annotazione verrà utilizzato come valore per PreHumanTaskLambdaArn.
