Bilder aus Ihrem Datensatz entfernen - Amazon Lookout für Vision
Bilder aus einem Datensatz entfernen (Konsole)Bilder aus einem Datensatz entfernen (SDK)

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Bilder aus Ihrem Datensatz entfernen

Sie können Bilder nicht direkt aus einem Datensatz löschen. Stattdessen müssen Sie den vorhandenen Datensatz löschen und einen neuen Datensatz ohne die Bilder erstellen, die Sie entfernen möchten. Wie Sie Bilder entfernen, hängt davon ab, wie Sie Bilder in den vorhandenen Datensatz importiert haben (Manifestdatei, Amazon S3 S3-Bucket oder lokaler Computer).

Sie können das AWS SDK auch verwenden, um Bilder zu entfernen. Dies ist nützlich, wenn Sie ein Bildsegmentierungsmodell ohne eine Manifestdatei für die Bildsegmentierung erstellen, sodass die Bildmasken nicht mit der Amazon Lookout for Vision Vision-Konsole neu gezeichnet werden müssen.

Bilder aus einem Datensatz entfernen (Konsole)

Gehen Sie wie folgt vor, um Bilder mit der Amazon Lookout for Vision Vision-Konsole aus einem Datensatz zu entfernen.

Um Bilder aus einem Datensatz (Konsole) zu entfernen

  1. Öffnen Sie die Datensatz-Galerie des Projekts.

  2. Notieren Sie sich den Namen der einzelnen Bilder, die Sie entfernen möchten.

  3. Löschen Sie den vorhandenen Datensatz.

  4. Führen Sie eine der folgenden Aktionen aus:

    • Wenn Sie den Datensatz mit einer Manifestdatei erstellt haben, gehen Sie wie folgt vor:

      1. Öffnen Sie in einem Texteditor die Manifestdatei, mit der Sie den Datensatz erstellt haben.

      2. Entfernen Sie die JSON-Zeile für jedes Bild, das Sie in Schritt 2 notiert haben. Sie können die JSON-Zeile für ein Bild identifizieren, indem Sie das source-ref Feld überprüfen.

      3. Speichern Sie die Manifestdatei.

      4. Erstellen Sie einen neuen Datensatz mit der aktualisierten Manifestdatei.

    • Wenn Sie den Datensatz aus Bildern erstellt haben, die aus einem Amazon S3 S3-Bucket importiert wurden, gehen Sie wie folgt vor:

      1. Löschen Sie die Bilder, die Sie in Schritt 2 notiert haben, aus dem Amazon S3 S3-Bucket.

      2. Erstellen Sie einen neuen Datensatz mit den verbleibenden Bildern im Amazon S3 S3-Bucket. Wenn Sie Bilder nach Ordnernamen klassifizieren, müssen Sie die Bilder im nächsten Schritt nicht klassifizieren.

      3. Führen Sie eine der folgenden Aktionen aus:

    • Wenn Sie den Datensatz aus Bildern erstellt haben, die von einem lokalen Computer importiert wurden, gehen Sie wie folgt vor:

      1. Erstellen Sie auf Ihrem Computer einen Ordner mit den Bildern, die Sie verwenden möchten. Fügen Sie die Bilder, die Sie aus dem Datensatz entfernen möchten, nicht hinzu. Weitere Informationen finden Sie unter Erstellen eines Datensatzes mit Bildern, die auf Ihrem lokalen Computer gespeichert sind.

      2. Erstellen Sie den Datensatz mit den Bildern in dem Ordner, den Sie in Schritt 4.a erstellt haben.

      3. Führen Sie eine der folgenden Aktionen aus:

  5. Trainieren Sie das Modell.

Bilder aus einem Datensatz entfernen (SDK)

Sie können das AWS SDK verwenden, um Bilder aus einem Datensatz zu entfernen.

Um Bilder aus einem Datensatz zu entfernen (SDK)

  1. Öffnen Sie die Datensatz-Galerie des Projekts.

  2. Notieren Sie sich den Namen der einzelnen Bilder, die Sie entfernen möchten.

  3. Exportieren Sie die JSON-Zeilen für den Datensatz mithilfe der ListDatasetEntriesOperation.

  4. Erstellen Sie eine Manifestdatei mit den exportierten JSON-Zeilen.

  5. Öffnen Sie die Manifestdatei in einem Texteditor.

  6. Entfernen Sie die JSON-Zeile für jedes Bild, das Sie in Schritt 2 notiert haben. Sie können die JSON-Zeile für ein Bild identifizieren, indem Sie das source-ref Feld überprüfen.

  7. Speichern Sie die Manifestdatei.

  8. Löschen Sie den vorhandenen Datensatz.

  9. Erstellen Sie einen neuen Datensatz mit der aktualisierten Manifestdatei.

  10. Trainieren Sie das Modell.