Créez des fonctions Lambda à l'aide des modèles Ground Truth - Amazon SageMaker

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.

Créez des fonctions Lambda à l'aide des modèles Ground Truth

Vous pouvez créer une fonction Lambda à l'aide de la console Lambda, du AWS CLI, ou AWS SDK dans un langage de programmation compatible de votre choix. Consultez le guide du AWS Lambda développeur pour en savoir plus sur chacune de ces options :

  • Pour savoir comment créer une fonction Lambda à l'aide de la console, veuillez consulter Création d'une fonction Lambda avec la console.

  • Pour savoir comment créer une fonction Lambda à l'aide de AWS CLI, voir Utilisation de AWS Lambda avec l'interface de ligne de AWS commande.

  • Sélectionnez la section appropriée de la table des matières pour en savoir plus sur l'utilisation de Lambda dans la langue de votre choix. Par exemple, sélectionnez Travail avec Python pour en savoir plus sur l'utilisation de Lambda avec le AWS SDK for Python (Boto3).

Ground Truth fournit des modèles de pré-annotation et de post-annotation via une recette AWS Serverless Application Repository (SAR). Utilisez la procédure suivante pour sélectionner la recette Ground Truth dans la console Lambda.

Utilisez la SAR recette Ground Truth pour créer des fonctions Lambda avant et après l'annotation :

  1. Ouvrez la page Functions sur la console Lambda.

  2. Sélectionnez Create function (Créer une fonction).

  3. Sélectionnez Browse serverless app repository (Parcourir le répertoire d'applis sans serveur).

  4. Dans la zone de texte de recherche, entrez aws-sagemaker-ground-truth-recipe et sélectionnez cette application.

  5. Sélectionnez Deploy (Déployer). Le déploiement de l'appli peut prendre quelques minutes.

    Une fois que l'appli est déployée, deux fonctions apparaissent dans la section Functions (Fonctions) de la console Lambda : serverlessrepo-aws-sagema-GtRecipePreHumanTaskFunc-<id> et serverlessrepo-aws-sagema-GtRecipeAnnotationConsol-<id>.

  6. Sélectionnez l'une de ces fonctions et ajoutez votre logique personnalisée dans la section Code.

  7. Une fois les modifications terminées, sélectionnez Deploy (Déployer) pour les déployer.