Seleccione sus preferencias de cookies

Usamos cookies esenciales y herramientas similares que son necesarias para proporcionar nuestro sitio y nuestros servicios. Usamos cookies de rendimiento para recopilar estadísticas anónimas para que podamos entender cómo los clientes usan nuestro sitio y hacer mejoras. Las cookies esenciales no se pueden desactivar, pero puede hacer clic en “Personalizar” o “Rechazar” para rechazar las cookies de rendimiento.

Si está de acuerdo, AWS y los terceros aprobados también utilizarán cookies para proporcionar características útiles del sitio, recordar sus preferencias y mostrar contenido relevante, incluida publicidad relevante. Para aceptar o rechazar todas las cookies no esenciales, haga clic en “Aceptar” o “Rechazar”. Para elegir opciones más detalladas, haga clic en “Personalizar”.

Uso de datos de entrada y salida

Modo de enfoque
Uso de datos de entrada y salida - Amazon SageMaker AI

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.

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.

Los datos de entrada que proporciones a Amazon SageMaker Ground Truth se envían a tus trabajadores para que los etiqueten. Puede elegir los datos que desea enviar a sus trabajadores creando un único archivo de manifiesto en el que se definan todos los datos que deben etiquetarse o enviando los objetos de datos de entrada a un trabajo de etiquetado continuo y continuo para etiquetarlos en tiempo real.

Los datos de salida son el resultado de su trabajo de etiquetado. El archivo de datos de salida, o archivo de manifiesto aumentado, contiene los datos de etiqueta de cada objeto que envíe al trabajo de etiquetado y metadatos sobre la etiqueta asignada a los objetos de datos.

Si utiliza la clasificación de imágenes (una o varias etiquetas), la clasificación de texto (una o varias etiquetas), la detección de objetos y la segmentación semántica integrada en los tipos de tareas para crear un trabajo de etiquetado, puede utilizar el archivo de manifiesto aumentado resultante para iniciar un trabajo de formación. SageMaker Para ver una demostración de cómo usar un manifiesto aumentado para entrenar un modelo de aprendizaje automático de detección de objetos con Amazon SageMaker AI, consulte object_detection_augmented_manifest_training.ipynb. Para obtener más información, consulte Archivos de manifiesto aumentados para trabajos de entrenamiento.

PrivacidadTérminos del sitioPreferencias de cookies
© 2025, Amazon Web Services, Inc o sus afiliados. Todos los derechos reservados.