Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Mengklasifikasikan gambar
<a name="tutorial-classification"></a>

Tutorial ini menunjukkan cara membuat proyek dan dataset untuk model yang mengklasifikasikan objek, adegan, dan konsep yang ditemukan dalam gambar. Model mengklasifikasikan seluruh gambar. Misalnya, dengan mengikuti tutorial ini, Anda dapat melatih model untuk mengenali lokasi rumah tangga seperti ruang tamu atau dapur. Tutorial ini juga menunjukkan cara menggunakan model untuk menganalisis gambar. 

Sebelum memulai tutorial, kami sarankan Anda membaca[Memahami Label Kustom Rekognition Amazon](understanding-custom-labels.md). 

Dalam tutorial ini, Anda membuat kumpulan data pelatihan dan pengujian dengan mengunggah gambar dari komputer lokal Anda. Kemudian Anda menetapkan label tingkat gambar ke gambar dalam kumpulan data pelatihan dan pengujian Anda. 

Model yang Anda buat mengklasifikasikan gambar sebagai milik kumpulan label tingkat gambar yang Anda tetapkan ke gambar kumpulan data pelatihan. Misalnya, jika kumpulan label tingkat gambar dalam kumpulan data pelatihan Anda adalah`kitchen`,,`living_room`, dan `patio``backyard`, model berpotensi menemukan semua label tingkat gambar tersebut dalam satu gambar.

**catatan**  
Anda dapat membuat model untuk tujuan yang berbeda seperti menemukan lokasi objek pada gambar. Untuk informasi selengkapnya, lihat [Tentukan jenis model Anda](understanding-custom-labels.md#tm-intro-model-type).

## Langkah 1: Kumpulkan gambar Anda
<a name="tutorial-classify-images-collect-images"></a>

Anda membutuhkan dua set gambar. Satu set untuk ditambahkan ke dataset pelatihan Anda. Set lain untuk ditambahkan ke dataset pengujian Anda. Gambar harus mewakili objek, adegan, dan konsep yang Anda ingin model Anda untuk mengklasifikasikan. Gambar harus dalam format PNG atau JPEG. Untuk informasi selengkapnya, lihat [Mempersiapkan gambar](md-prepare-images.md). 

Anda harus memiliki setidaknya 10 gambar untuk kumpulan data pelatihan Anda dan 10 gambar untuk kumpulan data pengujian Anda.

Jika Anda belum memiliki gambar, gunakan gambar dari proyek klasifikasi contoh *Kamar*. Setelah membuat proyek, gambar pelatihan dan pengujian berada di lokasi bucket Amazon S3 berikut:
+ Gambar pelatihan - `s3://custom-labels-console-{{region}}-{{numbers}}/assets/rooms_{{version number}}_test_dataset/`
+ Gambar uji - `s3://custom-labels-console-{{region}}-{{numbers}}/assets/rooms_{{version number}}_test_dataset/`

`region`adalah AWS Wilayah tempat Anda menggunakan konsol Label Kustom Rekognition Amazon. `numbers`adalah nilai yang diberikan konsol ke nama bucket. `Version number`adalah nomor versi untuk proyek contoh, mulai dari 1.

Prosedur berikut menyimpan gambar dari proyek Kamar ke folder lokal di komputer Anda bernama `training` dan`test`. 

**Untuk mengunduh file gambar proyek contoh Kamar**

1. Buat proyek Kamar. Untuk informasi selengkapnya, lihat [Langkah 1: Pilih contoh proyek](gs-step-choose-example-project.md).

1. Buka prompt perintah dan masukkan perintah berikut untuk mengunduh gambar pelatihan.

   ```
   aws s3 cp s3://custom-labels-console-{{region}}-{{numbers}}/assets/rooms_{{version number}}_training_dataset/ training --recursive
   ```

1. Pada prompt pujian, masukkan perintah berikut untuk mengunduh gambar uji.

   ```
   aws s3 cp s3://custom-labels-console-{{region}}-{{numbers}}/assets/rooms_{{version number}}_test_dataset/ test --recursive
   ```

1. Pindahkan dua gambar dari folder pelatihan ke folder terpisah yang Anda pilih. Anda akan menggunakan gambar untuk mencoba model terlatih Anda[Langkah 9: Analisis gambar dengan model Anda](#tutorial-step-get-a-prediction). 

## Langkah 2: Tentukan kelas Anda
<a name="tutorial-classify-images-decide-categories"></a>

Buat daftar kelas yang Anda ingin model Anda temukan. Misalnya, jika Anda melatih model untuk mengenali kamar di rumah, Anda dapat mengklasifikasikan gambar berikut sebagai`living_room`. 

![Ruang tamu yang nyaman dengan perapian, sofa mewah, kursi berlengan, menghadap ke luar ruangan.](http://docs.aws.amazon.com/id_id/rekognition/latest/customlabels-dg/images/image-classification.jpg)


Setiap kelas memetakan ke label tingkat gambar. Kemudian Anda menetapkan label tingkat gambar ke gambar dalam kumpulan data pelatihan dan pengujian Anda. 

****Jika Anda menggunakan gambar dari proyek contoh Kamar, label tingkat gambar adalah *halaman belakang, kamar *mandi*, kamar *tidur*, *lemari*, *entry\_way*, floor\_plan, front\_yard**, dapur, living\_space*, dan patio.****

## Langkah 3: Buat proyek
<a name="tutorial-classify-images-create-project"></a>

Untuk mengelola kumpulan data dan model, Anda membuat proyek. Setiap proyek harus membahas kasus penggunaan tunggal, seperti mengenali kamar di rumah.

**Untuk membuat proyek (konsol)**

1. Jika Anda belum melakukannya, siapkan konsol Label Kustom Rekognition Amazon. Untuk informasi selengkapnya, lihat [Menyiapkan Label Kustom Rekognition Amazon](setting-up.md).

1. Masuk ke Konsol Manajemen AWS dan buka konsol Amazon Rekognition di. [https://console.aws.amazon.com/rekognition/](https://console.aws.amazon.com/rekognition/)

1. Di panel kiri, pilih **Gunakan Label Kustom**. Halaman landing Label Kustom Rekognition Amazon ditampilkan.

1. **Halaman landing Label Kustom Rekognition Amazon, pilih Memulai**

1. Di panel navigasi kiri, pilih **Proyek**.

1. Pada halaman proyek, pilih **Buat Proyek**. 

1. Dalam **Nama proyek**, masukkan nama untuk proyek Anda. 

1. Pilih **Buat proyek** untuk membuat proyek Anda.   
![Formulir UI untuk membuat proyek baru bernama “My-Project” dengan bidang untuk memasukkan nama proyek dan membatalkan atau membuat tombol proyek.](http://docs.aws.amazon.com/id_id/rekognition/latest/customlabels-dg/images/tutorial-create-project.jpg)

## Langkah 4: Buat kumpulan data pelatihan dan uji
<a name="tutorial-classify-images-create-datasets"></a>

Pada langkah ini Anda membuat kumpulan data pelatihan dan kumpulan data pengujian dengan mengunggah gambar dari komputer lokal Anda. Anda dapat mengunggah sebanyak 30 gambar sekaligus. Jika Anda memiliki banyak gambar untuk diunggah, pertimbangkan untuk membuat kumpulan data dengan mengimpor gambar dari bucket Amazon S3. Untuk informasi selengkapnya, lihat [Mengimpor gambar dari bucket Amazon S3](md-create-dataset-s3.md).

Untuk informasi selengkapnya tentang kumpulan data, lihat. [Mengelola kumpulan data](managing-dataset.md)

**Untuk membuat kumpulan data menggunakan gambar di komputer lokal (konsol)**

1. Pada halaman detail proyek, pilih **Buat kumpulan data**.  
![Membuat langkah kumpulan data dalam alur kerja model pelatihan: Buat tombol kumpulan data untuk mengunggah gambar dan label untuk melatih model.](http://docs.aws.amazon.com/id_id/rekognition/latest/customlabels-dg/images/tutorial-create-dataset.jpg)

1. Di bagian **Konfigurasi awal**, pilih **Mulai dengan kumpulan data pelatihan dan kumpulan data pengujian**.

1. Di bagian **Detail kumpulan data pelatihan**, pilih **Unggah gambar dari komputer Anda**.

1. Di bagian **Uji detail kumpulan data**, pilih **Unggah gambar dari komputer Anda**.

1. Pilih **Buat kumpulan data**.  
![Antarmuka pengguna untuk membuat kumpulan data pelatihan dan pengujian. Buat kumpulan data dan tombol Batal di bagian bawah.](http://docs.aws.amazon.com/id_id/rekognition/latest/customlabels-dg/images/tutorial-project-details-create-dataset.jpg)

1. Halaman kumpulan data muncul dengan tab **Pelatihan** dan tab **Uji** untuk kumpulan data masing-masing. 

1. Pada halaman dataset, pilih tab **Pelatihan**. 

1.  Pilih **Tindakan**, lalu pilih **Tambahkan gambar ke kumpulan data pelatihan**.  
![Tampilan kumpulan data yang menampilkan opsi untuk menambahkan gambar ke kumpulan data pelatihan dan pengujian di bawah menu Tindakan.](http://docs.aws.amazon.com/id_id/rekognition/latest/customlabels-dg/images/tutorial-action-add-images.jpg)

1. Dalam kotak dialog **Tambahkan gambar ke kumpulan data pelatihan**, pilih **Pilih file**.  
![Tombol untuk mengunggah file gambar untuk melatih kumpulan data.](http://docs.aws.amazon.com/id_id/rekognition/latest/customlabels-dg/images/tutorial-dialog-choose-files.jpg)

1. Pilih gambar yang ingin Anda unggah ke kumpulan data. Anda dapat mengunggah sebanyak 30 gambar sekaligus.

1. Pilih **Unggah gambar**. Mungkin perlu beberapa detik untuk Amazon Rekognition Custom Labels untuk menambahkan gambar ke dataset.  
![Grid menampilkan 11 thumbnail gambar siap untuk diunggah ke dataset pelatihan.](http://docs.aws.amazon.com/id_id/rekognition/latest/customlabels-dg/images/tutorial-dialog-upload-images.jpg)

1. Jika Anda memiliki lebih banyak gambar untuk ditambahkan ke kumpulan data pelatihan, ulangi langkah 9-12.

1. Pilih tab **Uji**.

1. Ulangi langkah 8 - 12 untuk menambahkan gambar ke kumpulan data pengujian. Untuk langkah 8, pilih **Tindakan** dan kemudian pilih **Tambahkan gambar untuk menguji kumpulan data**.

## Langkah 5: Tambahkan label ke proyek
<a name="tutorial-classify-images-add-labels"></a>

Pada langkah ini Anda menambahkan label ke proyek untuk setiap kelas yang Anda identifikasi dalam langkah[Langkah 2: Tentukan kelas Anda](#tutorial-classify-images-decide-categories). 

**Untuk menambahkan label baru (konsol)**

1. Pada halaman galeri kumpulan data, pilih **Mulai pelabelan untuk masuk ke mode pelabelan**.  
![Antarmuka galeri kumpulan data yang menunjukkan langkah-langkah untuk memberi label pada gambar: tinjau, tambahkan label, beri label lokasi objek dengan kotak pembatas, dan model kereta. Mulai tombol pelabelan disorot.](http://docs.aws.amazon.com/id_id/rekognition/latest/customlabels-dg/images/tutorial-start-labeling.jpg)

1. Di bagian **Label** galeri kumpulan data, pilih **Edit label** untuk membuka kotak dialog **Kelola label**.

1. Di kotak edit, masukkan nama label baru.

1. Pilih **Tambahkan label**.

1. Ulangi langkah 3 dan 4 sampai Anda telah membuat semua label yang Anda butuhkan.

1. Pilih **Simpan** untuk menyimpan label yang Anda tambahkan.

## Langkah 6: Tetapkan label tingkat gambar ke kumpulan data pelatihan dan uji
<a name="tutorial-classify-images-assign-image-level-labels"></a>

Pada langkah ini Anda menetapkan satu tingkat gambar untuk setiap gambar dalam kumpulan data pelatihan dan pengujian Anda. Label tingkat gambar adalah kelas yang diwakili oleh setiap gambar. 

**Untuk menetapkan label tingkat gambar ke gambar (konsol)**

1. Pada halaman **Datasets**, pilih tab **Pelatihan**.

1. Pilih **Mulai pelabelan** untuk masuk ke mode pelabelan.

1. Pilih satu atau beberapa gambar yang ingin Anda tambahkan label. Anda hanya dapat memilih gambar pada satu halaman pada satu waktu. Untuk memilih rentang gambar yang berdekatan pada halaman:

   1. Pilih gambar pertama.

   1. Tekan dan tahan tombol shift.

   1. Pilih gambar kedua. Gambar antara gambar pertama dan kedua juga dipilih. 

   1. Lepaskan tombol shift.

1. Pilih **Tetapkan label tingkat gambar**.   
![Antarmuka yang menampilkan tiga gambar halaman belakang perumahan, dengan tombol “Label tingkat gambar tugas”.](http://docs.aws.amazon.com/id_id/rekognition/latest/customlabels-dg/images/tutorial-assign-image-level-labels.jpg)

1. Di kotak dialog **Tetapkan label tingkat gambar ke gambar yang dipilih**, pilih label yang ingin Anda tetapkan ke gambar atau gambar.

1. Pilih **Tetapkan** untuk menetapkan label pada gambar.  
![Kotak dialog yang menunjukkan cara menetapkan label tingkat gambar “halaman belakang” ke gambar yang dipilih dengan tombol Tetapkan.](http://docs.aws.amazon.com/id_id/rekognition/latest/customlabels-dg/images/tutorial-dialog-assign-image-level-label.jpg)

1. Ulangi pelabelan hingga setiap gambar dianotasi dengan label yang diperlukan.

1. Pilih tab **Uji**.

1. Ulangi langkah untuk menetapkan label tingkat gambar ke gambar kumpulan data pengujian.

## Langkah 7: Latih model Anda
<a name="tutorial-classify-images-step-4"></a>

Gunakan langkah-langkah berikut untuk melatih model Anda. Untuk informasi selengkapnya, lihat [Melatih model Label Kustom Rekognition Amazon](training-model.md).

**Untuk melatih model Anda (konsol)**

1. Pada halaman **Dataset**, pilih **Train model**.  
![Latih tombol model untuk melatih model pembelajaran mesin pada kumpulan data dalam proyek saat ini.](http://docs.aws.amazon.com/id_id/rekognition/latest/customlabels-dg/images/tutorial-train-model.jpg)

1. Pada halaman **model Kereta**, pilih **Model kereta**. Nama Sumber Daya Amazon (ARN) untuk proyek Anda ada di kotak **Pilih edit proyek**.   
![Latih halaman konfigurasi model yang menampilkan bidang input Project ARN, bagian Tag kosong, dan tombol Train Model.](http://docs.aws.amazon.com/id_id/rekognition/latest/customlabels-dg/images/tutorial-train-model-page-train-model.jpg)

1. Di **Apakah Anda ingin melatih model Anda?** kotak dialog, pilih **Model kereta**.   
![Kotak dialog bertanya “Apakah Anda ingin melatih model Anda?” dengan tombol model Cancel dan Train.](http://docs.aws.amazon.com/id_id/rekognition/latest/customlabels-dg/images/tutorial-dialog-train-model.jpg)

1. Di bagian **Model** pada halaman proyek, Anda dapat melihat bahwa pelatihan sedang berlangsung. Anda dapat memeriksa status saat ini dengan melihat `Model Status` kolom untuk versi model. Pelatihan model membutuhkan waktu beberapa saat untuk diselesaikan.   
![Status model yang menunjukkan 'TRAINING_IN_PROGRESS' yang menunjukkan model sedang dilatih.](http://docs.aws.amazon.com/id_id/rekognition/latest/customlabels-dg/images/tutorial-training-progress.jpg)

1. Setelah pelatihan selesai, pilih nama model. Pelatihan selesai ketika status model adalah **TRAINING\_COMPLETED**.  
![Info model kamar 19 menunjukkan status TRAINING_COMPLETED menunjukkan model sudah siap.](http://docs.aws.amazon.com/id_id/rekognition/latest/customlabels-dg/images/get-started-choose-model.jpg)

1. Pilih tombol **Evaluasi** untuk melihat hasil evaluasi. Untuk informasi tentang mengevaluasi model, lihat[Meningkatkan model Label Kustom Amazon Rekognition yang terlatih](improving-model.md).

1. Pilih **Lihat hasil tes** untuk melihat hasil gambar pengujian individual. Untuk informasi selengkapnya, lihat [Metrik untuk mengevaluasi model Anda](im-metrics-use.md).  
![Hasil evaluasi model menunjukkan skor F1, presisi rata-rata, dan penarikan keseluruhan untuk 10 label gambar dengan metrik kinerja per label.](http://docs.aws.amazon.com/id_id/rekognition/latest/customlabels-dg/images/get-started-training-results.jpg)

1. Setelah melihat hasil pengujian, pilih nama model untuk kembali ke halaman model.  
![Antarmuka yang menunjukkan hasil tes untuk model terlatih pada kumpulan data gambar halaman belakang dan halaman depan, dengan label yang diprediksi dan skor kepercayaan ditampilkan.](http://docs.aws.amazon.com/id_id/rekognition/latest/customlabels-dg/images/get-started-image-test-results.jpg)

## Langkah 8: Mulai model Anda
<a name="tutorial-step-start-model"></a>

Pada langkah ini Anda memulai model Anda. Setelah model Anda dimulai, Anda dapat menggunakannya untuk menganalisis gambar.

Anda dikenakan biaya untuk jumlah waktu yang dijalankan model Anda. Hentikan model Anda jika Anda tidak perlu menganalisis gambar. Anda dapat me-restart model Anda di lain waktu. Untuk informasi selengkapnya, lihat [Menjalankan model Label Kustom Rekognition Amazon yang terlatih](running-model.md). 

**Untuk memulai model Anda**

1. Pilih tab **Gunakan model** pada halaman model.

1. Di bagian **Mulai atau hentikan model** lakukan hal berikut:

   1. Pilih **Mulai**.  
![Antarmuka pengguna yang menampilkan tombol model Mulai dan opsi untuk memulai atau menghentikan model pembelajaran mesin untuk mendeteksi label khusus. Pilih jumlah unit inferensi untuk meningkatkan throughput.](http://docs.aws.amazon.com/id_id/rekognition/latest/customlabels-dg/images/get-started-start-model.jpg)

   1. Dalam kotak dialog **Mulai model**, pilih **Mulai**.   
![Mulai kotak dialog model dengan tombol Start.](http://docs.aws.amazon.com/id_id/rekognition/latest/customlabels-dg/images/tutorial-start-model-dialog.jpg)

1. Tunggu sampai model berjalan. Model berjalan ketika status di bagian **Mulai atau berhenti model** sedang **berjalan**.  
![Menjalankan indikator status dengan lingkaran hijau yang menunjukkan model sedang berjalan, dan opsi untuk menghentikan model atau mengubah jumlah unit inferensi.](http://docs.aws.amazon.com/id_id/rekognition/latest/customlabels-dg/images/get-started-start-model-running.jpg)

## Langkah 9: Analisis gambar dengan model Anda
<a name="tutorial-step-get-a-prediction"></a>

Anda menganalisis gambar dengan memanggil [DetectCustomLabels](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DetectCustomLabels)API. Pada langkah ini, Anda menggunakan perintah `detect-custom-labels` AWS Command Line Interface (AWS CLI) untuk menganalisis contoh gambar. Anda mendapatkan AWS CLI perintah dari konsol Amazon Rekognition Custom Labels. Konsol mengonfigurasi AWS CLI perintah untuk menggunakan model Anda. Anda hanya perlu menyediakan gambar yang disimpan di bucket Amazon S3. 

**catatan**  
Konsol juga menyediakan kode contoh Python.

Output dari `detect-custom-labels` menyertakan daftar label yang ditemukan dalam gambar, kotak pembatas (jika model menemukan lokasi objek), dan keyakinan yang dimiliki model dalam keakuratan prediksi.

Untuk informasi selengkapnya, lihat [Menganalisis gambar dengan model terlatih](detecting-custom-labels.md).

**Untuk menganalisis gambar (konsol)**

1. Jika Anda belum melakukannya, atur AWS CLI. Untuk petunjuk, lihat [Langkah 4: Mengatur AWS CLI dan AWS SDKs](su-awscli-sdk.md).

1. Pilih tab **Use Model** dan kemudian pilih **kode API**.   
![Antarmuka yang menampilkan detail model dengan opsi untuk menampilkan Nama Sumber Daya Amazon (ARN) dan Kode API untuk menggunakan model.](http://docs.aws.amazon.com/id_id/rekognition/latest/customlabels-dg/images/get-started-use-model-api-code.png)

1. Pilih perintah **AWS CLI**.

1. Di bagian **Analisis gambar**, salin AWS CLI perintah yang memanggil`detect-custom-labels`.  
![AWS CLI perintah untuk menganalisis gambar dengan model kustom, menunjukkan ARN proyek dan placeholder nama bucket untuk diganti.](http://docs.aws.amazon.com/id_id/rekognition/latest/customlabels-dg/images/get-started-cli-code-analyze.png)

1. Unggah gambar ke bucket Amazon S3. Untuk petunjuk, lihat [Mengunggah Objek ke Amazon](https://docs.aws.amazon.com/AmazonS3/latest/userguide/UploadingObjectsintoAmazonS3.html) S3 di Panduan Pengguna *Layanan Penyimpanan Sederhana Amazon*. Jika Anda menggunakan gambar dari proyek Rooms, gunakan salah satu gambar yang Anda pindahkan ke folder terpisah[Langkah 1: Kumpulkan gambar Anda](#tutorial-classify-images-collect-images).

   

1. Pada prompt perintah, masukkan AWS CLI perintah yang Anda salin pada langkah sebelumnya. Seharusnya terlihat seperti contoh berikut. 

   Nilai `--project-version-arn` harus Amazon Resource Name (ARN) model Anda. Nilai `--region` harus AWS Wilayah di mana Anda membuat model.

   Ubah `MY_BUCKET` dan `PATH_TO_MY_IMAGE` ke bucket Amazon S3 dan gambar yang Anda gunakan pada langkah sebelumnya. 

   Jika Anda menggunakan [custom-labels-access](su-sdk-programmatic-access.md#su-sdk-programmatic-access-customlabels-examples)profil untuk mendapatkan kredensil, tambahkan parameternya. `--profile custom-labels-access`

   ```
   aws rekognition detect-custom-labels \
     --project-version-arn "{{model_arn}}" \
     --image '{"S3Object": {"Bucket": "{{MY_BUCKET}}","Name": "{{PATH_TO_MY_IMAGE}}"}}' \
     --region {{us-east-1}} \
     --profile custom-labels-access
   ```

   Output JSON dari AWS CLI perintah akan terlihat mirip dengan berikut ini. `Name`adalah nama label tingkat gambar yang ditemukan model. `Confidence`(0-100) adalah kepercayaan model dalam keakuratan prediksi.

   ```
   {
       "CustomLabels": [
           {
               "Name": "living_space",
               "Confidence": 83.41299819946289
           }
       ]
   }
   ```

1. Terus gunakan model untuk menganalisis gambar lain. Hentikan model jika Anda tidak lagi menggunakannya. 

## Langkah 10: Hentikan model Anda
<a name="tutorial-step-stop-model"></a>

Pada langkah ini Anda berhenti menjalankan model Anda. Anda dikenakan biaya untuk jumlah waktu model Anda berjalan. Jika Anda telah selesai menggunakan model, Anda harus menghentikannya.

**Untuk menghentikan model Anda**

1. Di bagian **Mulai atau hentikan model** pilih **Berhenti**.  
![Tombol berhenti untuk menghentikan model yang sedang berjalan dan menonaktifkan unit inferensi.](http://docs.aws.amazon.com/id_id/rekognition/latest/customlabels-dg/images/get-started-stop-model.jpg)

1. Dalam kotak dialog **Stop model**, masukkan **stop** untuk mengonfirmasi bahwa Anda ingin menghentikan model.  
![Kolom input dengan “stop” dimasukkan, dan tombol Stop untuk mengonfirmasi penghentian model.](http://docs.aws.amazon.com/id_id/rekognition/latest/customlabels-dg/images/get-started-stop-model-dialog.jpg)

1. Pilih **Berhenti** untuk menghentikan model Anda. Model telah berhenti ketika status di bagian **Mulai atau berhenti model** **Dihentikan**.  
![Indikator status berhenti dengan penjelasan bahwa model tidak berjalan dan perlu dimulai menggunakan tombol Start atau contoh kode.](http://docs.aws.amazon.com/id_id/rekognition/latest/customlabels-dg/images/get-started-stopped-model.jpg)