Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Un trabajo de procesamiento de SageMaker Clarify permite explicar las imágenes. En este tema se proporcionan los requisitos de formato de datos para los datos de imagen. Para obtener más información sobre el procesamiento de datos de imágenes, consulte computer vision.
Un conjunto de datos de imagen contiene uno o más archivos de imagen. Para identificar un conjunto de datos de entrada para el SageMaker trabajo de procesamiento de Clarify, defina un ProcessingInputnombre dataset o el dataset_uri parámetro de configuración del análisis en un prefijo URI de Amazon S3 de sus archivos de imagen.
Los formatos de archivo de imagen y extensiones de archivo admitidos se enumeran en la siguiente tabla.
| Formato de imagen | Extensión de archivo |
|---|---|
|
JPEG |
jpg, jpeg |
|
PNG |
png |
Establezca el parámetro dataset_type de la configuración del análisis en application/x-image. Como el tipo no es un formato de archivo de imagen específico, se utilizará content_type para decidir el formato y la extensión del archivo de imagen.
El trabajo SageMaker de procesamiento Clarify carga cada archivo de imagen en una NumPymatriz
El SageMaker trabajo de procesamiento Clarify convierte los datos RGB sin procesar de una imagen en un formato de imagen compatible, como JPEG. Lo hace antes de enviar los datos al punto de conexión para realizar predicciones. Los formatos de imagen compatibles son los siguientes.
| Formato de los datos | Tipo MIME | Extensión de archivo |
|---|---|---|
|
JPEG |
|
jpg, jpeg |
|
PNG |
|
png |
|
NPY |
|
All above |
Especifique el formato de los datos de la carga de la solicitud mediante el parámetro de configuración de análisis content_type. Si no se proporciona content_type, el formato de datos se establece de forma predeterminada en image/jpeg.
Al recibir la respuesta de una invocación de un punto final de inferencia, el trabajo de procesamiento de SageMaker Clarify deserializa la carga útil de la respuesta y, a continuación, extrae las predicciones de la misma.
Problema de clasificación de imágenes
El formato de datos de la carga de respuesta debe especificarse mediante el parámetro de configuración del análisis accept_type. Si no se proporciona accept_type, el formato de datos se establece de forma predeterminada en application/json. Los formatos admitidos son los mismos que los descritos en la sección Respuesta del punto de conexión para datos tabulares.
Véase un Inferencia con el algoritmo Image Classification ejemplo de un algoritmo de clasificación de imágenes integrado en la SageMaker IA que acepta una sola imagen y, a continuación, devuelve un conjunto de valores de probabilidad (puntuaciones), cada uno de ellos para una clase.
Como se muestra en la siguiente tabla, cuando el parámetro content_type se establece en application/jsonlines, la respuesta es un objeto JSON.
| Carga de solicitud de punto de conexión | Carga de respuesta de punto de conexión (representación en cadena) |
|---|---|
|
Imagen única |
'{"predicción":[0.1,0,6,0.3]}' |
En el ejemplo anterior, defina el probability parámetro en la JMESPath expresión «predicción» para extraer las puntuaciones.
Cuando el parámetro content_type se establece en application/json, la respuesta es un objeto JSON, como se muestra en la siguiente tabla.
| Carga de solicitud de punto de conexión | Carga de respuesta de punto de conexión (representación en cadena) |
|---|---|
|
Imagen única |
'[0,1,0,6,0.3]' |
En el ejemplo anterior, probability defina JMESPath la expresión «[*]» para extraer todos los elementos de la matriz. En el ejemplo anterior, se extrae [0.1, 0.6, 0.3]. Como alternativa, si omite el parámetro de configuración probability, también se extraerán todos los elementos de la matriz. Esto se debe a que toda la carga se deserializa según las predicciones.
Problema de detección de objetos
La configuración de análisis accept_type se establece en application/json de forma predeterminada y el único formato compatible es el formato de inferencia de detección de objetos. Para obtener más información sobre los formatos de respuesta, consulte Formatos de respuesta.
La siguiente tabla es un ejemplo de respuesta de un punto de conexión que genera una matriz. Cada elemento de la matriz es una matriz de valores que contiene el índice de clase, la puntuación de confianza y las coordenadas del cuadro delimitador del objeto detectado.
| Carga de solicitud de punto de conexión | Carga de respuesta de punto de conexión (representación en cadena) |
|---|---|
|
Imagen única (un objeto) |
'[[4.0, 0.86419455409049988, 0.3088374733924866, 0.07030484080314636, 0.7110607028007507, 0.9345266819000244]]' |
|
Imagen única (dos objetos) |
'[[4,0, 0,86419455409049988, 0,3088374733924866, 0,07030484080314636, 0,7110607028007507, 0,9345266819000244],[0,0, 0,73376623392105103, 0,5714187026023865, 0,40427327156066895, 0,827075183391571, 0,9712159633636475]]' |
La siguiente tabla es un ejemplo de respuesta de un punto de conexión que genera un objeto JSON con una clave que hace referencia a la matriz. Establezca la configuración del análisis probability en la clave “predicción” para extraer los valores.
| Carga de solicitud de punto de conexión | Carga de respuesta de punto de conexión (representación en cadena) |
|---|---|
|
Imagen única (un objeto) |
'{"predicción":[[4,0, 0,86419455409049988, 0,3088374733924866, 0,07030484080314636, 0,7110607028007507, 0,9345266819000244]]}' |
|
Imagen única (dos objetos) |
'{"predicción":[[4,0, 0,86419455409049988, 0,3088374733924866, 0,07030484080314636, 0,7110607028007507, 0,9345266819000244],[0,0, 0,73376623392105103, 0,5714187026023865, 0,40427327156066895, 0,827075183391571, 0,9712159633636475]]}' |
Comprobación previa de la solicitud y la respuesta del punto de conexión para datos de imagen
Se recomienda implementar el modelo en un punto final de inferencia en tiempo real de la SageMaker IA y enviar las solicitudes al punto final. Examine manualmente las solicitudes y respuestas. Asegúrese de que ambas cumplen los requisitos de la sección Solicitud del punto de conexión para datos de imagen y de la sección Respuesta del punto de conexión para datos de imagen.
Los siguientes son dos ejemplos de código que muestran cómo enviar solicitudes y examinar las respuestas para detectar objetos y clasificar las imágenes.
Problema de clasificación de imágenes
El siguiente código de ejemplo indica a un punto de conexión que lea un archivo PNG y, a continuación, lo clasifique.
aws sagemaker-runtime invoke-endpoint \
--endpoint-name test-endpoint-sagemaker-image-classification \
--content-type "image/png" \
--accept "application/json" \
--body fileb://./test.png \
/dev/stderr 1>/dev/nullEn el ejemplo de código anterior, el resultado de la respuesta es el siguiente.
[0.1,0.6,0.3]Problema de detección de objetos
El siguiente código de ejemplo indica a un punto de conexión que lea un archivo JPEG y, a continuación, detecte el objeto en él.
aws sagemaker-runtime invoke-endpoint \
--endpoint-name test-endpoint-sagemaker-object-detection \
--content-type "image/jpg" \
--accept "application/json" \
--body fileb://./test.jpg \
/dev/stderr 1>/dev/nullEn el ejemplo de código anterior, el resultado de la respuesta es el siguiente.
{"prediction":[[4.0, 0.86419455409049988, 0.3088374733924866, 0.07030484080314636, 0.7110607028007507, 0.9345266819000244],[0.0, 0.73376623392105103, 0.5714187026023865, 0.40427327156066895, 0.827075183391571, 0.9712159633636475],[4.0, 0.32643985450267792, 0.3677481412887573, 0.034883320331573486, 0.6318609714508057, 0.5967587828636169],[8.0, 0.22552496790885925, 0.6152569651603699, 0.5722782611846924, 0.882301390171051, 0.8985623121261597],[3.0, 0.42260299175977707, 0.019305512309074402, 0.08386176824569702, 0.39093565940856934, 0.9574796557426453]]}