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.
Ingiera las etiquetas de Ground Truth y combínelas con las predicciones
La supervisión de la calidad del modelo compara las predicciones que hace su modelo con las etiquetas de Ground Truth para medir la calidad del modelo. Para que esto funcione, debe etiquetar periódicamente los datos capturados por su punto de conexión o trabajo de transformación por lotes y cargarlos en Amazon S3.
Para cotejar las etiquetas de Ground Truth con los datos de predicción capturados, debe haber un identificador único para cada registro del conjunto de datos. La estructura de cada registro para los datos de verdad fundamental es la siguiente:
{ "groundTruthData": { "data": "1", "encoding": "CSV" # only CSV supported at launch, we assume "data" only consists of label }, "eventMetadata": { "eventId": "aaaa-bbbb-cccc" }, "eventVersion": "0" }
En la estructura groundTruthData, eventId puede ser una de las siguientes:
-
eventId: este ID se genera automáticamente cuando un usuario invoca el punto de conexión. -
inferenceId: el intermediario proporciona este ID cuando invoca el punto de conexión.
Si inferenceId está presente en los registros de datos capturados, el monitor de modelos lo usa para combinar los datos capturados con los registros de Ground Truth. Usted es responsable de asegurarse de que el inferenceId en los registros de Ground Truth coincidan con los inferenceId de los registros capturados. Si inferenceId no está presente en los registros de datos capturados, el monitor de modelos usa el eventId de los datos capturados para combinarlos con los registros de Ground Truth.
Debe cargar los datos de Ground Truth a un bucket de Amazon S3 que tenga el mismo formato de ruta que los datos capturados, que tiene el siguiente formato:
s3://bucket/prefix/yyyy/mm/dd/hh
La fecha de esta ruta es la fecha en que se recopiló la etiqueta de Ground Truth y no tiene por qué coincidir con la fecha en que se generó la inferencia.
Después de crear y cargar las etiquetas de Ground Truth, incluya la ubicación de las etiquetas como parámetro al crear el trabajo de supervisión. Si lo está utilizando AWS SDK for Python (Boto3), especifique la ubicación de las etiquetas de Ground Truth como el S3Uri campo del GroundTruthS3Input parámetro en una llamada al create_model_quality_job_definition método. Si utiliza SageMaker PythonSDK, especifique la ubicación de las etiquetas de Ground Truth como ground_truth_input parámetro en create_monitoring_schedule la llamada al ModelQualityMonitor objeto.
