Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Important
Vous êtes facturé en fonction du nombre d’heures d’exécution de votre modèle et du nombre d’unités d’inférence qu’il utilise pendant son exécution. Pour plus d’informations, consultez Exécution d’un modèle Étiquettes personnalisées Amazon Rekognition entraîné.
Le démarrage d’un modèle peut prendre quelques minutes. Pour vérifier l'état actuel de préparation du modèle, consultez la page de détails du projet ou utilisez DescribeProjectVersions.
Une fois le modèle démarré, vous utilisez DetectCustomles étiquettes pour analyser les images à l'aide du modèle. Pour plus d’informations, consultez Analyse d’une image avec un modèle entraîné. La console fournit également un exemple de code pour appeler DetectCustomLabels
.
Rubriques
Démarrage d’un modèle Étiquettes personnalisées Amazon Rekognition (Console)
Utilisez la procédure suivante pour commencer à exécuter un modèle Étiquettes personnalisées Amazon Rekognition avec la console. Vous pouvez démarrer le modèle directement depuis la console ou utiliser le code AWS SDK fourni par la console.
Pour démarrer un modèle (console)
Ouvrez la console Amazon Rekognition à l’adresse https://console.aws.amazon.com/rekognition/
. Choisissez Utiliser Custom Labels.
Choisissez Démarrer.
Dans le volet de navigation de gauche, choisissez Projets.
Sur la page des ressources Projets, choisissez le projet qui contient le modèle entraîné que vous souhaitez démarrer.
Dans la section Modèles, choisissez le modèle que vous souhaitez démarrer.
Choisissez l’onglet Utiliser le modèle.
Effectuez l’une des actions suivantes :
Dans la section Démarrer ou arrêter le modèle, procédez comme suit :
-
Sélectionnez le nombre d’unités d’inférence que vous souhaitez utiliser. Pour plus d’informations, consultez Exécution d’un modèle Étiquettes personnalisées Amazon Rekognition entraîné.
Sélectionnez Démarrer.
Dans la boîte de dialogue Démarrer le modèle, choisissez Démarrer.
-
Pour revenir à la page de présentation du projet, choisissez le nom de votre projet en haut de la page.
Dans la section Modèle, vérifiez le statut du modèle. Lorsque le statut du modèle est EN COURS D’EXÉCUTION, vous pouvez utiliser le modèle pour analyser des images. Pour plus d’informations, consultez Analyse d’une image avec un modèle entraîné.
Démarrage d’un modèle Étiquettes personnalisées Amazon Rekognition (kit SDK)
Vous démarrez un modèle en appelant l'API StartProjectVersion et en transmettant le nom de ressource Amazon (ARN) du modèle dans le paramètre ProjectVersionArn
d'entrée. Vous spécifiez également le nombre d’unités d’inférence que vous souhaitez utiliser. Pour plus d’informations, consultez Exécution d’un modèle Étiquettes personnalisées Amazon Rekognition entraîné.
Le démarrage d’un modèle peut prendre un certain temps. Les exemples Python et Java présentés dans cette rubrique utilisent des programmes d’attente pour attendre le démarrage du modèle. Un programme d’attente est un utilitaire qui attend qu’un statut particulier survienne. Vous pouvez également vérifier l'état actuel en appelant DescribeProjectVersions.
Pour démarrer un modèle (kit SDK)
-
Si ce n'est pas déjà fait, installez et configurez les AWS CLI AWS SDK. Pour plus d’informations, consultez Étape 4 : configurer le AWS CLI et AWS SDKs.
Utilisez l’exemple de code suivant pour démarrer un modèle.
Remplacez la valeur de
project-version-arn
par l’ARN du modèle que vous souhaitez démarrer. Remplacez la valeur de--min-inference-units
par le nombre d’unités d’inférence que vous souhaitez utiliser. (Facultatif) Modifiez--max-inference-units
par le nombre maximum d’unités d’inférence que la fonctionnalité Étiquettes personnalisées Amazon Rekognition peut utiliser pour automatiquement mettre à l’échelle le modèle.aws rekognition start-project-version --project-version-arn
model_arn
\ --min-inference-unitsminimum number of units \
--max-inference-unitsmaximum number of units \
--profile custom-labels-access