기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다. # SageMaker 지리 공간 이미지와 함께 Amazon SageMaker Studio Classic 노트북을 사용하여 지구 관측 작업 만들기 **SageMaker Studio Classic 노트북을 SageMaker 지리 공간 이미지와 함께 사용하는 방법:** 1. **런처**의 **노트북 및 컴퓨팅 리소스**에서 **환경 변경**을 선택합니다. 1. 다음으로 **환경 변경** 대화 상자가 열립니다. 1. **이미지** 드롭다운을 선택하고 **지리 공간** 1.0을 선택합니다. **인스턴스 유형**은 **ml.geospatial.interactive**이어야 합니다. 다른 설정의 기본값을 변경하지 마세요. 1. **선택**을 선택하세요. 1. **노트북 생성**을 선택합니다. 아래 제공된 코드를 사용하여 SageMaker 지리 공간 이미지와 함께 Amazon SageMaker Studio Classic 노트북을 사용하여 EOJ를 시작할 수 있습니다. ``` import boto3 import sagemaker import sagemaker_geospatial_map session = boto3.Session() execution_role = sagemaker.get_execution_role() sg_client = session.client(service_name="sagemaker-geospatial") ``` 다음은 미국 서부(오레곤) 리전에 EOJ를 생성하는 방법을 보여주는 예시입니다. ``` #Query and Access Data search_rdc_args = { "Arn": "arn:aws:sagemaker-geospatial:us-west-2:378778860802:raster-data-collection/public/nmqj48dcu3g7ayw8", # sentinel-2 L2A COG "RasterDataCollectionQuery": { "AreaOfInterest": { "AreaOfInterestGeometry": { "PolygonGeometry": { "Coordinates": [ [ [-114.529, 36.142], [-114.373, 36.142], [-114.373, 36.411], [-114.529, 36.411], [-114.529, 36.142], ] ] } } }, "TimeRangeFilter": { "StartTime": "2021-01-01T00:00:00Z", "EndTime": "2022-07-10T23:59:59Z", }, "PropertyFilters": { "Properties": [{"Property": {"EoCloudCover": {"LowerBound": 0, "UpperBound": 1}}}], "LogicalOperator": "AND", }, "BandFilter": ["visual"], }, } tci_urls = [] data_manifests = [] while search_rdc_args.get("NextToken", True): search_result = sg_client.search_raster_data_collection(**search_rdc_args) if search_result.get("NextToken"): data_manifests.append(search_result) for item in search_result["Items"]: tci_url = item["Assets"]["visual"]["Href"] print(tci_url) tci_urls.append(tci_url) search_rdc_args["NextToken"] = search_result.get("NextToken") # Perform land cover segmentation on images returned from the sentinel dataset. eoj_input_config = { "RasterDataCollectionQuery": { "RasterDataCollectionArn": "arn:aws:sagemaker-geospatial:us-west-2:378778860802:raster-data-collection/public/nmqj48dcu3g7ayw8", "AreaOfInterest": { "AreaOfInterestGeometry": { "PolygonGeometry": { "Coordinates": [ [ [-114.529, 36.142], [-114.373, 36.142], [-114.373, 36.411], [-114.529, 36.411], [-114.529, 36.142], ] ] } } }, "TimeRangeFilter": { "StartTime": "2021-01-01T00:00:00Z", "EndTime": "2022-07-10T23:59:59Z", }, "PropertyFilters": { "Properties": [{"Property": {"EoCloudCover": {"LowerBound": 0, "UpperBound": 1}}}], "LogicalOperator": "AND", }, } } eoj_config = {"LandCoverSegmentationConfig": {}} response = sg_client.start_earth_observation_job( Name="lake-mead-landcover", InputConfig=eoj_input_config, JobConfig=eoj_config, ExecutionRoleArn=execution_role, ) ``` EOJ가 생성되면 `Arn`가 반환됩니다. `Arn`를 사용하여 작업을 식별하고 추가 작업을 수행할 수 있습니다. `sg_client.get_earth_observation_job(Arn = response['Arn'])`를 실행하여 작업의 상태를 가져오면 됩니다. 다음 예에서는 EOJ가 완료될 때까지 EOJ의 상태를 쿼리하는 방법을 보여줍니다. ``` eoj_arn = response["Arn"] job_details = sg_client.get_earth_observation_job(Arn=eoj_arn) {k: v for k, v in job_details.items() if k in ["Arn", "Status", "DurationInSeconds"]} # List all jobs in the account sg_client.list_earth_observation_jobs()["EarthObservationJobSummaries"] ``` EOJ가 완료되면 노트북에서 직접 EOJ 출력을 시각화할 수 있습니다. 다음 예시에서는 대화형 맵을 렌더링하는 방법을 보여줍니다. ``` map = sagemaker_geospatial_map.create_map({ 'is_raster': True }) map.set_sagemaker_geospatial_client(sg_client) # render the map map.render() ``` 다음 예제는 맵을 관심 영역 중심에 배치하는 방법과 EOJ의 입력과 출력을 맵 내에서 별도의 레이어로 렌더링하는 방법을 보여줍니다. ``` # visualize the area of interest config = {"label": "Lake Mead AOI"} aoi_layer = map.visualize_eoj_aoi(Arn=eoj_arn, config=config) # Visualize input. time_range_filter = { "start_date": "2022-07-01T00:00:00Z", "end_date": "2022-07-10T23:59:59Z", } config = {"label": "Input"} input_layer = map.visualize_eoj_input( Arn=eoj_arn, config=config, time_range_filter=time_range_filter ) # Visualize output, EOJ needs to be in completed status. time_range_filter = { "start_date": "2022-07-01T00:00:00Z", "end_date": "2022-07-10T23:59:59Z", } config = {"preset": "singleBand", "band_name": "mask"} output_layer = map.visualize_eoj_output( Arn=eoj_arn, config=config, time_range_filter=time_range_filter ) ``` `export_earth_observation_job` 함수를 사용하여 EOJ 결과를 Amazon S3 버킷으로 내보낼 수 있습니다. 내보내기 기능을 사용하면 팀 간에 결과를 편리하게 공유할 수 있습니다. 또한 SageMaker AI는 데이터세트 관리를 단순화합니다. S3 버킷에서 수천 개의 파일을 크롤링하는 대신 작업 ARN을 사용하여 EOJ 결과를 간단히 공유할 수 있습니다. 결과를 작업 ARN별로 그룹화할 수 있으므로 각 EOJ는 데이터 카탈로그의 자산이 됩니다. 다음 예시에서는 EOJ의 결과를 내보내는 방법을 보여줍니다. ``` sagemaker_session = sagemaker.Session() s3_bucket_name = sagemaker_session.default_bucket() # Replace with your own bucket if needed s3_bucket = session.resource("s3").Bucket(s3_bucket_name) prefix = "eoj_lakemead" # Replace with the S3 prefix desired export_bucket_and_key = f"s3://{s3_bucket_name}/{prefix}/" eoj_output_config = {"S3Data": {"S3Uri": export_bucket_and_key}} export_response = sg_client.export_earth_observation_job( Arn=eoj_arn, ExecutionRoleArn=execution_role, OutputConfig=eoj_output_config, ExportSourceImages=False, ) ``` 다음 스니펫을 사용하여 내보내기 작업의 상태를 모니터링할 수 있습니다. ``` # Monitor the export job status export_job_details = sg_client.get_earth_observation_job(Arn=export_response["Arn"]) {k: v for k, v in export_job_details.items() if k in ["Arn", "Status", "DurationInSeconds"]} ``` EOJ를 삭제한 후에는 보관 수수료가 청구되지 않습니다. EOJ 실행 방법을 보여주는 예제는 이 [블로그 게시물](https://aws.amazon.com/blogs/machine-learning/monitoring-lake-mead-drought-using-the-new-amazon-sagemaker-geospatial-capabilities/)을 참조하세요. SageMaker 지리 공간 기능에 대한 더 많은 예제 노트북은 이 [GitHub 리포지토리](https://github.com/aws/amazon-sagemaker-examples/tree/main/sagemaker-geospatial)를 참조하세요.