Menganalisis gambar dengan suatu AWS Lambda fungsi

Masuk ke AWS Management Console dan buka AWS Lambda konsol di https://console.aws.amazon.com/lambda/.

Pilih Buat fungsi. Untuk informasi selengkapnya, lihat Membuat Fungsi Lambda dengan Konsol.

Pilih opsi berikut.

Pilih Buat fungsi untuk membuat AWS Lambda fungsi.

Pada halaman fungsi, Pilih tab Konfigurasi.

Pada panel variabel Lingkungan, pilih Edit.

Tambahkan variabel lingkungan berikut. Untuk setiap variabel pilih Tambahkan variabel lingkungan dan kemudian masukkan kunci variabel dan nilai.

Pilih Simpan untuk menyimpan variabel lingkungan.

Pada panel Izin, Di bawah nama Peran, pilih peran eksekusi untuk membuka peran di IAM konsol.

Di tab Izin, pilih Tambahkan izin, lalu Buat kebijakan sebaris.

Pilih JSONdan ganti kebijakan yang ada dengan kebijakan berikut.

{
    "Version": "2012-10-17",
    "Statement": [
        {
            "Action": "rekognition:DetectCustomLabels",
            "Resource": "*",
            "Effect": "Allow",
            "Sid": "DetectCustomLabels"
        }
    ]
}

Pilih Berikutnya.

Di Detail kebijakan, masukkan nama untuk kebijakan, seperti DetectCustomLabels-access.

Pilih Buat kebijakan.

Jika Anda menyimpan gambar untuk dianalisis dalam bucket Amazon S3, ulangi langkah 10—14.

1. Untuk langkah 11, gunakan kebijakan berikut. Ganti bucket/folder path dengan bucket Amazon S3 dan jalur folder ke gambar yang ingin Anda analisis.

   {
       "Version": "2012-10-17",
       "Statement": [
           {
               "Sid": "S3Access",
               "Effect": "Allow",
               "Action": "s3:GetObject",
               "Resource": "arn:aws:s3:::bucket/folder path/*"
           }
       ]
   }

2. Untuk langkah 13, pilih nama kebijakan yang berbeda, seperti S3Bucket-access.

Buka prompt perintah dan masukkan perintah berikut.

pip install boto3 --target python/.
zip boto3-layer.zip -r python/
                

Perhatikan nama file zip (boto3-layer.zip). Anda membutuhkannya di langkah 6 dari prosedur ini.

Buka AWS Lambda konsol di https://console.aws.amazon.com/lambda/.

Di panel navigasi, pilih Layers (Lapisan).

Pilih Buat lapisan.

Masukkan nilai untuk Nama dan Deskripsi.

Pilih Unggah file.zip dan pilih Unggah.

Di kotak dialog, pilih arsip file.zip (boto3-layer.zip) yang Anda buat di langkah 1 prosedur ini.

Untuk runtime yang kompatibel, pilih Python 3.9.

Pilih Create untuk membuat layer.

Pilih ikon menu panel navigasi.

Di panel navigasi, pilih Fungsi.

Dalam daftar sumber daya, pilih fungsi yang Anda buatLangkah 1: Buat AWS Lambda fungsi (konsol).

Pilih tab Kode.

Di bagian Layers, pilih Add a layer.

Pilih Custom Layers.

Di Custom layers, pilih nama layer yang Anda masukkan pada langkah 6.

Di Versi pilih versi layer, yang seharusnya 1.

Pilih Tambahkan.

Jika Anda tidak berada di konsol Lambda, lakukan hal berikut:

1. Buka AWS Lambda konsol di https://console.aws.amazon.com/lambda/.

2. Buka fungsi Lambda yang Anda buat. Langkah 1: Buat AWS Lambda fungsi (konsol)

Pilih tab Kode.

Di Sumber kode, ganti kode di lambda_function.py dengan yang berikut ini:

# Copyright Amazon.com, Inc. or its affiliates. All Rights Reserved.
# SPDX-License-Identifier: Apache-2.0

"""
Purpose
An AWS lambda function that analyzes images with an the Amazon Rekognition
Custom Labels model.
"""
import json
import base64
from os import environ
import logging
import boto3

from botocore.exceptions import ClientError

# Set up logging.
logger = logging.getLogger(__name__)

# Get the model ARN and confidence.
model_arn = environ['MODEL_ARN']
min_confidence = int(environ.get('CONFIDENCE', 50))

# Get the boto3 client.
rek_client = boto3.client('rekognition')


def lambda_handler(event, context):
    """
    Lambda handler function
    param: event: The event object for the Lambda function.
    param: context: The context object for the lambda function.
    return: The labels found in the image passed in the event
    object.
    """

    try:

        # Determine image source.
        if 'image' in event:
            # Decode the image
            image_bytes = event['image'].encode('utf-8')
            img_b64decoded = base64.b64decode(image_bytes)
            image = {'Bytes': img_b64decoded}


        elif 'S3Object' in event:
            image = {'S3Object':
                     {'Bucket':  event['S3Object']['Bucket'],
                      'Name': event['S3Object']['Name']}
                     }

        else:
            raise ValueError(
                'Invalid source. Only image base 64 encoded image bytes or S3Object are supported.')


        # Analyze the image.
        response = rek_client.detect_custom_labels(Image=image,
            MinConfidence=min_confidence,
            ProjectVersionArn=model_arn)

        # Get the custom labels
        labels = response['CustomLabels']

        lambda_response = {
            "statusCode": 200,
            "body": json.dumps(labels)
        }

    except ClientError as err:
        error_message = f"Couldn't analyze image. " + \
            err.response['Error']['Message']

        lambda_response = {
            'statusCode': 400,
            'body': {
                "Error": err.response['Error']['Code'],
                "ErrorMessage": error_message
            }
        }
        logger.error("Error function %s: %s",
            context.invoked_function_arn, error_message)

    except ValueError as val_error:
        lambda_response = {
            'statusCode': 400,
            'body': {
                "Error": "ValueError",
                "ErrorMessage": format(val_error)
            }
        }
        logger.error("Error function %s: %s",
            context.invoked_function_arn, format(val_error))

    return lambda_response

Pilih Deploy untuk menerapkan fungsi Lambda Anda.

Pastikan Anda memiliki lambda:InvokeFunction izin. Anda dapat menggunakan kebijakan berikut.

{
    "Version": "2012-10-17",
    "Statement": [
        {
            "Sid": "InvokeLambda",
            "Effect": "Allow",
            "Action": "lambda:InvokeFunction",
            "Resource": "ARN for lambda function"
        }
    ]
}

Anda bisa mendapatkan fungsi fungsi ARN untuk Lambda Anda dari ikhtisar fungsi di konsol Lambda.

Untuk memberikan akses, menambahkan izin ke pengguna, grup, atau peran Anda:

Instal dan konfigurasikan AWS SDK untuk Python. Untuk informasi selengkapnya, lihat Langkah 4: Siapkan AWS CLI dan AWS SDK.

Mulai model yang Anda tentukan pada langkah 7 dariLangkah 1: Buat AWS Lambda fungsi (konsol).

Simpan kode berikut ke file bernamaclient.py.

# Copyright Amazon.com, Inc. or its affiliates. All Rights Reserved.
# SPDX-License-Identifier: Apache-2.0

"""
Purpose
Test code for running the Amazon Rekognition Custom Labels Lambda
function example code.
"""

import argparse
import logging
import base64
import json
import boto3

from botocore.exceptions import ClientError


logger = logging.getLogger(__name__)


def analyze_image(function_name, image):
    """Analyzes an image with an AWS Lambda function.
    :param image: The image that you want to analyze.
    :return The status and classification result for
    the image analysis.
    """

    lambda_client = boto3.client('lambda')

    lambda_payload = {}

    if image.startswith('s3://'):
        logger.info("Analyzing image from S3 bucket: %s", image)
        bucket, key = image.replace("s3://", "").split("/", 1)
        s3_object = {
            'Bucket': bucket,
            'Name': key
        }
        lambda_payload = {"S3Object": s3_object}

    # Call the lambda function with the image.
    else:
        with open(image, 'rb') as image_file:
            logger.info("Analyzing local image image: %s ", image)
            image_bytes = image_file.read()
            data = base64.b64encode(image_bytes).decode("utf8")

            lambda_payload = {"image": data}

    response = lambda_client.invoke(FunctionName=function_name,
                                    Payload=json.dumps(lambda_payload))

    return json.loads(response['Payload'].read().decode())


def add_arguments(parser):
    """
    Adds command line arguments to the parser.
    :param parser: The command line parser.
    """

    parser.add_argument(
        "function", help="The name of the AWS Lambda function that you want " \
        "to use to analyze the image.")
    parser.add_argument(
        "image", help="The local image that you want to analyze.")


def main():
    """
    Entrypoint for script.
    """
    try:
        logging.basicConfig(level=logging.INFO,
                            format="%(levelname)s: %(message)s")

        # Get command line arguments.
        parser = argparse.ArgumentParser(usage=argparse.SUPPRESS)
        add_arguments(parser)
        args = parser.parse_args()

        # Get analysis results.
        result = analyze_image(args.function, args.image)
        status = result['statusCode']

        if status == 200:
            labels = result['body']
            labels = json.loads(labels)
            print(f"There are {len(labels)} labels in the image.")
            for custom_label in labels:
                confidence = int(round(custom_label['Confidence'], 0))
                print(
                    f"Label: {custom_label['Name']}: Confidence: {confidence}%")
        else:
            print(f"Error: {result['statusCode']}")
            print(f"Message: {result['body']}")

    except ClientError as error:
        logging.error(error)
        print(error)


if __name__ == "__main__":
    main()

Jalankan kode tersebut. Untuk argumen baris perintah, berikan nama fungsi Lambda dan gambar yang ingin Anda analisis. Anda dapat menyediakan jalur ke gambar lokal, atau jalur S3 ke gambar yang disimpan di bucket Amazon S3. Sebagai contoh:

python client.py function_name s3://bucket/path/image.jpg

Jika gambar berada di bucket Amazon S3, pastikan itu adalah bucket yang sama dengan yang Anda tentukan pada langkah 15. Langkah 1: Buat AWS Lambda fungsi (konsol)

Jika berhasil, outputnya adalah daftar label yang ditemukan pada gambar. Jika tidak ada label yang dikembalikan, pertimbangkan untuk menurunkan nilai kepercayaan yang Anda tetapkan pada langkah 7 dariLangkah 1: Buat AWS Lambda fungsi (konsol).

Jika Anda telah selesai dengan fungsi Lambda dan model tidak digunakan oleh aplikasi lain, hentikan model. Ingatlah untuk memulai model saat berikutnya Anda inginkan gunakan fungsi Lambda.