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.
Amazon A2I Ausgabedaten
Wenn Ihr Workflow für Machine Learning Amazon A2I ein Datenobjekt sendet, wird eine Human Loop erstellt, und menschliche Prüfer erhalten die Aufgabe, dieses Datenobjekt zu überprüfen. Die Ausgabedaten jeder menschlichen Review-Aufgabe werden im Amazon Simple Storage Service (Amazon S3)-Ausgabe-Bucket gespeichert, den Sie in Ihrer Worker-Überprüfungsebene angeben. Der Pfad zu den Daten verwendet das folgende Muster, wobei
das Erstellungsdatum der Human Loop in der Form Jahr (YYYY
/MM
/DD
/hh
/mm
/ss
YYYY
), Monat (MM
) und Tag (DD
) und die Erstellungszeit in der Form Stunde (hh
), Minute (mm
) und Sekunde (ss
) darstellt.
s3://
customer-output-bucket-specified-in-flow-definition
/flow-definition-name
/YYYY
/MM
/DD
/hh
/mm
/ss
/human-loop-name
/output.json
Der Inhalt Ihrer Ausgabedaten hängt von der Art des Aufgabentyps (integriert oder benutzerdefiniert) und der Art der Arbeitskraft ab, die Sie einsetzen. Ihre Ausgabedaten beinhalten immer die Antwort des menschlichen Arbeiters. Darüber hinaus können die Ausgabedaten Metadaten über den menschlichen Kreislauf, den menschlichen Prüfer (Worker) und das Datenobjekt enthalten.
In den folgenden Abschnitten erfahren Sie mehr über das Amazon-A2I-Ausgabedatenformat für verschiedene Aufgabentypen und Belegschaften.
Daten aus integrierten Aufgabentypen ausgeben
Zu den integrierten Aufgabentypen von Amazon A2I gehören Amazon Textract und Amazon Rekognition. Zusätzlich zu den menschlichen Antworten enthalten die Ausgabedaten einer dieser Aufgaben Details über den Grund, warum die Human Loop erstellt wurde, und Informationen über den integrierten Dienst, der zur Erstellung der menschlichen Schleife verwendet wurde. In der folgenden Tabelle erfahren Sie mehr über das Ausgabedatenschema für alle integrierten Aufgabentypen. Der Wert für jeden dieser Parameter hängt von dem Service ab, den Sie mit Amazon A2I verwenden. Weitere Informationen zu diesen servicespezifischen Werten finden Sie in der zweiten Tabelle in diesem Abschnitt.
Parameter | Wert-Typ | Beispielwerte | Beschreibung |
---|---|---|---|
awsManagedHumanLoopRequestSource |
String |
AWS/Rekognition/DetectModerationLabels/Image/V3 oder AWS/Textract/AnalyzeDocument/Forms/V1 |
Der API Betrieb und die damit verbundenen AWS Dienste, bei denen Amazon A2I angefordert wurde, eine menschliche Schleife zu erstellen. Mit diesem API Vorgang konfigurieren Sie Ihren Amazon A2I Human Loop. |
flowDefinitionArn |
String |
arn:aws:sagemaker:us-west-2: |
Die Amazon-Ressourcennummer (ARN) des Workflows zur Überprüfung durch einen Mitarbeiter (Ablaufdefinition), der zur Erstellung des Human Loop verwendet wurde. |
humanAnswers |
Liste der JSON Objekte |
or
|
Eine Liste von JSON Objekten, die Antworten von Mitarbeitern enthaltenanswerContent . Dieses Objekt enthält auch Einreichungsdetails und, falls private Arbeitskräfte eingesetzt wurden, Metadaten der Mitarbeiter. Weitere Informationen hierzu finden Sie unter Worker-Aktivitäten verfolgen. Bei Human-Loop-Output-Daten, die im Rahmen von Amazon Rekognition |
humanLoopName |
String |
|
Der Name der menschliche (Human Loop). |
inputContent |
JSONObjekt |
|
Der Eingabeinhalt, den der AWS Service an Amazon A2I gesendet hat, als er die Erstellung einer menschlichen Schleife angefordert hat. |
aiServiceRequest |
JSONObjekt |
or
|
Die ursprüngliche Anfrage, die an den in Amazon A2I integrierten AWS Service gesendet wurde. Wenn Sie beispielsweise Amazon Rekognition mit Amazon A2I verwenden, schließt dies die im Rahmen des Vorgangs gestellte Anfrage ein. API |
aiServiceResponse |
JSONObjekt |
or
|
Die vollständige Antwort des AWS Dienstes. Anhand dieser Daten wird festgestellt, ob eine Überprüfung durch einen Menschen erforderlich ist. Dieses Objekt kann Metadaten über das Datenobjekt enthalten, die nicht an menschliche Prüfer weitergegeben werden. |
selectedAiServiceResponse |
JSONObjekt |
or
|
Die Teilmenge von Alle in |
humanTaskActivationConditionResults |
JSONObjekt |
|
Ein JSON Objekt |
Wählen Sie in der folgenden Tabelle eine Registerkarte aus, um mehr über die für den Tasktyp spezifischen Parameter zu erfahren und sich ein Beispiel für einen Codeblock mit Ausgabedaten für jeden der integrierten Tasktypen anzusehen.
Daten aus benutzerdefinierten Aufgabentypen ausgeben
Wenn Sie Amazon A2I zu einem benutzerdefinierten Arbeitsablauf für die Überprüfung durch einen Mitarbeiter hinzufügen, sehen Sie die folgenden Parameter in den Ausgabedaten, die von menschlichen Überprüfungsaufgaben zurückgegeben werden.
Parameter | Wert-Typ | Beschreibung |
---|---|---|
|
String |
Die Amazon-Ressourcennummer (ARN) des Workflows zur Überprüfung durch einen Mitarbeiter (Ablaufdefinition), der zur Erstellung des Human Loop verwendet wurde. |
|
Liste der JSON Objekte |
Eine Liste von JSON Objekten, die Antworten von Mitarbeitern enthaltenanswerContent . Der Wert in diesem Parameter wird durch die Ausgabe bestimmt, die Sie von Ihrer Worker-Aufgabenvorlage erhalten haben. Wenn Sie eine private Belegschaft einsetzen, sind die Metadaten der Mitarbeiter enthalten. Weitere Informationen hierzu finden Sie unter Worker-Aktivitäten verfolgen. |
|
String | Der Name der menschliche (Human Loop). |
|
JSONObjekt |
Der an Amazon A2I gesendete Eingabeinhalt ist in der Anfrage an |
Im Folgenden finden Sie ein Beispiel für Ausgabedaten aus einer benutzerdefinierten Integration mit Amazon A2I und Amazon Transcribe. In diesem Beispiel besteht der inputContent
aus:
-
Ein Pfad zu einer.mp4-Datei in Amazon S3 und der Videotitel
-
Die von Amazon Transcribe zurückgesendete Transkription (analysiert aus den Amazon Transcribe-Ausgabedaten)
-
Eine Start- und Endzeit, die von der Worker-Aufgabenvorlage verwendet wird, um die MP4-Datei auszuschneiden und den Arbeitern einen relevanten Teil des Videos zu zeigen
{ "flowDefinitionArn": "arn:aws:sagemaker:us-west-2:
111122223333
:flow-definition/flow-definition-name
", "humanAnswers": [ { "answerContent": { "transcription": "use lambda to turn your notebook" }, "submissionTime": "2020-06-18T17:08:26.246Z", "workerId": "ef7294f850a3d9d1", "workerMetadata": { "identityData": { "identityProviderType": "Cognito", "issuer": "https://cognito-idp.us-west-2.amazonaws.com/us-west-2_111111
", "sub": "c6aa8eb7-9944-42e9-a6b9-
" } } } ], "humanLoopName": "111122223333
human-loop-name
", "inputContent": { "audioPath": "s3://amzn-s3-demo-bucket1
/a2i_transcribe_demo/Fully-Managed Notebook Instances with Amazon SageMaker - a Deep Dive.mp4", "end_time": 950.27, "original_words": "but definitely use Lambda to turn your ", "start_time": 948.51, "video_title": "Fully-Managed Notebook Instances with Amazon SageMaker - a Deep Dive.mp4" } }
Worker-Aktivitäten verfolgen
Amazon A2I bietet Informationen, mit denen Sie einzelne Mitarbeiter anhand von Aufgabenausgabedaten verfolgen können. Um den Mitarbeiter zu identifizieren, der an der menschlichen Überprüfungsaufgabe gearbeitet hat, verwenden Sie Folgendes aus den Ausgabedaten in Amazon S3:
-
Der
acceptanceTime
ist die Zeit, zu welcher der Mitarbeiter die Aufgabe angenommen hat. Das Format dieses Datums- und Zeitstempels bezieht sichYYYY-MM-DDTHH:MM:SS.mmmZ
auf Jahr (YYYY
), Monat (MM
), Tag (DD
), Stunde (HH
), Minute (MM
), Sekunde (SS
) und Millisekunde ().mmm
Datum und Uhrzeit werden durch ein T getrennt. -
Der
submissionTime
ist die Zeit, zu der die Arbeitskraft ihre Anmerkungen mit der Schaltfläche Senden eingereicht hat. Das Format dieses Datums- und ZeitstempelsYYYY-MM-DDTHH:MM:SS.mmmZ
bezieht sich auf Jahr (YYYY
), Monat (MM
), Tag (DD
), Stunde (HH
), Minute (MM
), Sekunde (SS
) und Millisekunde ().mmm
Datum und Uhrzeit werden durch ein T getrennt. -
timeSpentInSeconds
gibt die Gesamtzeit in Sekunden an, die ein Auftragnehmer aktiv an dieser Aufgabe gearbeitet hat. Diese Metrik beinhaltet nicht die Zeit, in der ein Auftragnehmer die Arbeit unterbrochen oder eine Pause gemacht hat. -
Die
workerId
ist für jeden Worker spezifisch. -
Wenn Sie private Arbeitskräfte verwenden, wird in
workerMetadata
Folgendes angezeigt.-
identityProviderType
ist der Dienst, der für die Verwaltung der privaten Arbeitskräfte zuständig ist. -
Das
issuer
ist der Amazon Cognito Cognito-Benutzerpool oder der OpenID Connect (OIDC) Identity Provider (IdP) -Aussteller, der dem Arbeitsteam zugeordnet ist, das mit dieser menschlichen Überprüfungsaufgabe beauftragt ist. -
Ein eindeutiger
sub
-Identifier verweist auf den Arbeitnehmer. Wenn Sie mit Amazon Cognito eine Belegschaft erstellen, können Sie mit Amazon Cognito Details zu dieser Arbeitskraft (wie den Namen oder den Benutzernamen) abrufen, die dieser ID zugeordnet sind. Wie das funktioniert, erfahren Sie unter Verwalten und Suchen von Benutzerkonten im Amazon Cognito Developer Guide.
-
Im Folgenden finden Sie ein Beispiel für die Ausgabe, die Sie sehen können, wenn Sie Amazon Cognito verwenden, um private Arbeitskräfte zu erstellen. Dies ist in der identityProviderType
identifiziert.
"submissionTime": "2020-12-28T18:59:58.321Z", "acceptanceTime": "2020-12-28T18:59:15.191Z", "timeSpentInSeconds": 40.543, "workerId": "a12b3cdefg4h5i67", "workerMetadata": { "identityData": { "identityProviderType": "Cognito", "issuer": "https://cognito-idp.aws-region.amazonaws.com/aws-region_123456789", "sub": "aaaaaaaa-bbbb-cccc-dddd-eeeeeeeeeeee" } }
Das Folgende ist ein Beispiel für die Ausgabe, die Sie sehen können, wenn Sie Ihren eigenen OIDC IdP verwenden, um eine private Belegschaft aufzubauen:
"workerMetadata": { "identityData": { "identityProviderType": "Oidc", "issuer": "https://example-oidc-ipd.com/adfs", "sub": "aaaaaaaa-bbbb-cccc-dddd-eeeeeeeeeeee" } }
Weitere Informationen zum Einsetzen von privaten Arbeitskräften finden Sie unter Private Arbeitskräfte.