Wählen Sie Ihre Cookie-Einstellungen aus

Wir verwenden essentielle Cookies und ähnliche Tools, die für die Bereitstellung unserer Website und Services erforderlich sind. Wir verwenden Performance-Cookies, um anonyme Statistiken zu sammeln, damit wir verstehen können, wie Kunden unsere Website nutzen, und Verbesserungen vornehmen können. Essentielle Cookies können nicht deaktiviert werden, aber Sie können auf „Anpassen“ oder „Ablehnen“ klicken, um Performance-Cookies abzulehnen.

Wenn Sie damit einverstanden sind, verwenden AWS und zugelassene Drittanbieter auch Cookies, um nützliche Features der Website bereitzustellen, Ihre Präferenzen zu speichern und relevante Inhalte, einschließlich relevanter Werbung, anzuzeigen. Um alle nicht notwendigen Cookies zu akzeptieren oder abzulehnen, klicken Sie auf „Akzeptieren“ oder „Ablehnen“. Um detailliertere Entscheidungen zu treffen, klicken Sie auf „Anpassen“.

Verarbeitung von Daten in einem benutzerdefinierten Label-Workflow mit AWS Lambda

Fokusmodus
Verarbeitung von Daten in einem benutzerdefinierten Label-Workflow mit AWS Lambda - Amazon SageMaker KI

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.

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.

In diesem Thema erfahren Sie, wie Sie optionale AWS LambdaFunktionen bereitstellen, wenn Sie einen benutzerdefinierten Label-Workflow erstellen. Sie können zwei Arten von Lambda-Funktionen angeben, die Sie mit Ihrem benutzerdefinierten Labeling-Workflow verwenden möchten.

  • Lambda vor der Annotation: Diese Funktion verarbeitet jedes Datenobjekt, das an Ihren Labeling-Job gesendet wird, vorab, bevor es an Mitarbeiter gesendet wird.

  • Lambda zur Nachbearbeitung: Diese Funktion verarbeitet die Ergebnisse, sobald Worker eine Aufgabe einreichen. Wenn Sie mehrere Worker pro Datenobjekt angeben, kann diese Funktion Logik zur Konsolidierung von Anmerkungen enthalten.

Wenn Sie ein neuer Benutzer von Lambda und Ground Truth sind, empfehlen wir Ihnen, die Seiten in diesem Abschnitt wie folgt zu verwenden:

  1. Sehen Sie sich sich zunächst Verwendung von Lambda-Funktionen vor und nach der Annotation an.

  2. Nutzen Sie dann die Seite Fügen Sie die erforderlichen Berechtigungen für die Verwendung AWS Lambda mit Ground Truth hinzu , um mehr über die Sicherheits- und Berechtigungsanforderungen für die Verwendung Ihrer Lambda-Funktionen zur Vorverarbeitung und Nachbearbeitung in einem benutzerdefinierten Ground-Truth-Kennzeichnungsauftrag zu erfahren.

  3. Als Nächstes müssen Sie die Lambda-Konsole aufrufen oder Lambdas verwenden, um Ihre APIs Funktionen zu erstellen. Im Abschnitt Lambda-Funktionen mithilfe von Ground Truth Truth-Vorlagen erstellen erfahren Sie, wie Sie Lambda-Funktionen erstellen.

  4. Unter Testen Sie Lambda-Funktionen vor und nach der Annotation erfahren Sie, wie Sie Ihre Lambda-Funktionen aktualisieren können.

  5. Nachdem Sie Lambda-Funktionen zur Vorverarbeitung und zu Nachbearbeitung erstellt haben, wählen Sie sie im Abschnitt Lambda-Funktionen aus, der sich hinter dem Code-Editor für Ihren benutzerdefinierten HTML-Code in der Ground-Truth-Konsole befindet. Informationen zur Verwendung dieser Funktionen in einer CreateLabelingJob-API-Anfrage finden Sie unter Erstellen eines Kennzeichnungsauftrags (API).

Ein Tutorial zum benutzerdefinierten Labeling-Workflow, das Beispiele für Lambda-Funktionen vor und nach der Anmerkung enthält, finden Sie unter. Demo-Vorlage: Annotation von Bildern mit crowd-bounding-box

DatenschutzNutzungsbedingungen für die WebsiteCookie-Einstellungen
© 2025, Amazon Web Services, Inc. oder Tochtergesellschaften. Alle Rechte vorbehalten.