Pilih preferensi cookie Anda

Kami menggunakan cookie penting serta alat serupa yang diperlukan untuk menyediakan situs dan layanan. Kami menggunakan cookie performa untuk mengumpulkan statistik anonim sehingga kami dapat memahami cara pelanggan menggunakan situs dan melakukan perbaikan. Cookie penting tidak dapat dinonaktifkan, tetapi Anda dapat mengklik “Kustom” atau “Tolak” untuk menolak cookie performa.

Jika Anda setuju, AWS dan pihak ketiga yang disetujui juga akan menggunakan cookie untuk menyediakan fitur situs yang berguna, mengingat preferensi Anda, dan menampilkan konten yang relevan, termasuk iklan yang relevan. Untuk menerima atau menolak semua cookie yang tidak penting, klik “Terima” atau “Tolak”. Untuk membuat pilihan yang lebih detail, klik “Kustomisasi”.

Preferensi
Hubungi Kami
Umpan Balik
AWS Documentation
Buat Akun AWS

Buat Alur Kerja Tinjauan Manusia

PDF
RSS
Mode fokus
Buat Alur Kerja Tinjauan Manusia - Amazon SageMaker AI
Membuat Alur Kerja Tinjauan Manusia (Konsol)Membuat Alur Kerja Tinjauan Manusia (API)

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

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

Gunakan alur kerja peninjauan manusia Amazon Augmented AI (Amazon A2I), atau definisi alur, untuk menentukan hal berikut:

  • Untuk jenis tugas bawaan Amazon Textract dan Amazon Rekognition, kondisi di mana loop manusia Anda dipanggil

  • Tenaga kerja tempat tugas Anda dikirim

  • Kumpulan instruksi yang diterima tenaga kerja Anda, yang disebut templat tugas pekerja

  • Konfigurasi tugas pekerja Anda, termasuk jumlah pekerja yang menerima tugas dan batas waktu untuk menyelesaikan tugas

  • Di mana data output Anda disimpan

Anda dapat membuat alur kerja tinjauan manusia di konsol SageMaker AI atau menggunakan CreateFlowDefinitionoperasi SageMaker AI. Anda dapat membuat template tugas pekerja menggunakan konsol untuk jenis tugas Amazon Textract dan Amazon Rekognition saat membuat definisi alur.

penting

Kondisi aktivasi loop manusia, yang memulai loop manusia—misalnya, ambang kepercayaan — tidak tersedia untuk jenis tugas khusus Amazon A2I. Saat menggunakan konsol untuk membuat definisi aliran untuk jenis tugas khusus, Anda tidak dapat menentukan kondisi aktivasi. Saat menggunakan Amazon A2I API untuk membuat definisi aliran untuk jenis tugas khusus, Anda tidak dapat menyetel HumanLoopActivationConditions atribut parameter. HumanLoopActivationConditionsConfig Untuk mengontrol kapan tinjauan manusia dimulai, tentukan kondisi yang StartHumanLoop dipanggil dalam aplikasi kustom Anda. Dalam hal ini, setiap StartHumanLoop doa menghasilkan tinjauan manusia. Untuk informasi selengkapnya, lihat Gunakan Amazon Augmented AI dengan Jenis Tugas Kustom.

Prasyarat

Untuk membuat definisi alur kerja tinjauan manusia, Anda harus telah menyelesaikan prasyarat yang dijelaskan dalam. Prasyarat untuk Menggunakan Augmented AI

Jika Anda menggunakan API untuk membuat definisi alur untuk jenis tugas apa pun, atau jika Anda menggunakan jenis tugas khusus saat membuat definisi alur di konsol, buat templat tugas pekerja terlebih dahulu. Untuk informasi selengkapnya, lihat Membuat dan Mengelola Template Tugas Pekerja.

Jika Anda ingin mempratinjau template tugas pekerja sambil membuat definisi alur untuk jenis tugas bawaan di konsol, pastikan Anda memberikan peran yang Anda gunakan untuk membuat izin definisi aliran untuk mengakses bucket Amazon S3 yang berisi artefak template Anda menggunakan kebijakan seperti yang dijelaskan. Aktifkan Pratinjau Template Tugas Pekerja

Topik

Membuat Alur Kerja Tinjauan Manusia (Konsol)

Gunakan prosedur ini untuk membuat alur kerja tinjauan manusia Amazon Augmented AI (Amazon A2I) menggunakan konsol AI. SageMaker Jika Anda baru mengenal Amazon A2I, kami sarankan Anda membuat tim kerja pribadi menggunakan orang-orang di organisasi Anda, dan gunakan ARN tim kerja ini saat membuat definisi aliran Anda. Untuk mempelajari cara mengatur tenaga kerja pribadi dan membuat tim kerja, lihatBuat Tenaga Kerja Pribadi (Amazon SageMaker AI Console). Jika Anda telah menyiapkan tenaga kerja pribadi, lihat Buat Tim Kerja Menggunakan Konsol SageMaker AI untuk mempelajari cara menambahkan tim kerja ke tenaga kerja tersebut.

Jika Anda menggunakan Amazon A2I dengan salah satu jenis tugas bawaan, Anda dapat membuat instruksi pekerja menggunakan templat tugas pekerja default yang disediakan oleh Augmented AI sambil membuat alur kerja tinjauan manusia di konsol. Untuk melihat contoh templat default yang disediakan oleh Augmented AI, lihat tipe Kasus Penggunaan dan Contoh Menggunakan Amazon A2I tugas bawaan di.

Untuk membuat definisi aliran (konsol)

  1. Buka konsol SageMaker AI dihttps://console.aws.amazon.com/sagemaker/.

  2. Di panel navigasi, di bawah bagian Augmented AI, pilih Alur kerja tinjauan manusia, lalu pilih Buat alur kerja tinjauan manusia.

  3. Dalam Ikhtisar, lakukan hal berikut:

    1. Untuk Nama, masukkan nama alur kerja yang unik. Nama harus huruf kecil, unik di dalam AWS Wilayah di akun Anda, dan dapat memiliki hingga 63 karakter. Karakter yang valid meliputi: a-z, 0-9, dan - (tanda hubung).

    2. Untuk lokasi S3 untuk output, masukkan bucket S3 tempat Anda ingin menyimpan hasil tinjauan manusia. Bucket harus berada di AWS Wilayah yang sama dengan alur kerja.

    3. Untuk peran IAM, pilih peran yang memiliki izin yang diperlukan. Jika Anda memilih jenis tugas bawaan dan ingin melihat pratinjau templat pekerja Anda di konsol, berikan peran dengan jenis kebijakan yang dijelaskan dalam Aktifkan Pratinjau Template Tugas Pekerja lampiran.

  4. Untuk tipe Task, pilih tipe tugas yang ingin dilakukan oleh pekerja manusia.

  5. Jika Anda memilih jenis tugas Amazon Rekognition atau Amazon Texttract, tentukan kondisi yang memanggil tinjauan manusia.

    • Untuk tugas moderasi gambar Amazon Rekognition, pilih interval ambang batas skor kepercayaan inferensi yang memulai tinjauan manusia.

    • Untuk tugas Amazon Textract, Anda dapat memulai tinjauan manusia saat kunci formulir tertentu hilang atau ketika kepercayaan deteksi kunci formulir rendah. Anda juga dapat memulai tinjauan manusia jika, setelah mengevaluasi semua kunci formulir dalam teks, kepercayaan diri lebih rendah dari ambang batas yang diperlukan untuk kunci formulir apa pun. Dua variabel menentukan ambang kepercayaan Anda: Keyakinan identifikasi dan kepercayaan kualifikasi. Untuk mempelajari lebih lanjut tentang variabel-variabel ini, lihatGunakan Amazon Augmented AI dengan Amazon Texttract.

    • Untuk kedua jenis tugas, Anda dapat secara acak mengirim persentase objek data (gambar atau formulir) dan labelnya ke manusia untuk ditinjau.

  6. Konfigurasikan dan tentukan templat tugas pekerja Anda:

    1. Jika Anda menggunakan jenis tugas Amazon Rekognition atau Amazon Texttract:

      1. Di bagian Buat template:

        • Untuk membuat instruksi bagi pekerja Anda menggunakan templat default Amazon A2I untuk jenis tugas Amazon Rekognition dan Amazon Textract, pilih Build dari template default.

          • Jika Anda memilih Build dari template default, buat instruksi di bawah Worker task design:

            • Berikan nama Template yang unik di AWS Wilayah tempat Anda berada.

            • Di bagian Instruksi, berikan instruksi terperinci tentang cara menyelesaikan tugas Anda. Untuk membantu pekerja mencapai akurasi yang lebih besar, berikan contoh yang baik dan buruk.

            • (Opsional) Dalam instruksi tambahan, berikan informasi dan instruksi tambahan kepada pekerja Anda.

              Untuk informasi tentang membuat instruksi yang efektif, lihatMembuat Instruksi Pekerja yang Baik.

        • Untuk memilih template kustom yang telah Anda buat, pilih dari menu Template dan berikan deskripsi Tugas untuk menjelaskan secara singkat tugas bagi pekerja Anda. Untuk mempelajari cara membuat template kustom, lihatBuat Template Tugas Pekerja.

    2. Jika Anda menggunakan jenis tugas khusus:

      1. Di bagian Worker task template, pilih template Anda dari daftar. Semua template yang Anda buat di konsol SageMaker AI muncul di daftar ini. Untuk mempelajari cara membuat templat untuk jenis tugas kustom, lihatMembuat dan Mengelola Template Tugas Pekerja.

  7. (Opsional) Pratinjau template pekerja Anda:

    Untuk jenis tugas Amazon Rekognition dan Amazon Textract, Anda memiliki opsi untuk memilih Lihat tugas pekerja sampel untuk melihat UI tugas pekerja Anda.

    Jika Anda membuat definisi alur untuk jenis tugas kustom, Anda dapat melihat pratinjau UI tugas pekerja menggunakan RenderUiTemplate operasi. Untuk informasi selengkapnya, lihat Pratinjau Template Tugas Pekerja.

  8. Untuk Pekerja, pilih jenis tenaga kerja.

  9. Pilih Create (Buat).

Langkah Berikutnya

Setelah Anda membuat alur kerja tinjauan manusia, alur kerja akan muncul di konsol di bawah alur kerja tinjauan Manusia. Untuk melihat definisi alur Nama Sumber Daya Amazon (ARN) dan detail konfigurasi, pilih alur kerja dengan memilih namanya.

Jika Anda menggunakan tipe tugas bawaan, Anda dapat menggunakan ARN definisi aliran untuk memulai loop manusia menggunakan API AWS layanan tersebut (misalnya, Amazon Textract API). Untuk jenis tugas khusus, Anda dapat menggunakan ARN untuk memulai loop manusia menggunakan Amazon Augmented AI Runtime API. Untuk mempelajari lebih lanjut tentang kedua opsi, lihatMembuat dan Memulai Loop Manusia.

Membuat Alur Kerja Tinjauan Manusia (API)

Untuk membuat definisi aliran menggunakan SageMaker API, Anda menggunakan CreateFlowDefinition operasi. Setelah Anda menyelesaikanPrasyarat untuk Menggunakan Augmented AI, gunakan prosedur berikut untuk mempelajari cara menggunakan operasi API ini.

Untuk ikhtisar CreateFlowDefinition operasi, dan detail tentang setiap parameter, lihat CreateFlowDefinition.

Untuk membuat definisi aliran (API)

  1. UntukFlowDefinitionName, masukkan nama unik. Nama harus unik di dalam AWS Wilayah di akun Anda, dan dapat memiliki hingga 63 karakter. Karakter yang valid meliputi: a-z, 0-9, dan - (tanda hubung).

  2. UntukRoleArn, masukkan ARN peran yang Anda konfigurasikan untuk memberikan akses ke sumber data Anda.

  3. UntukHumanLoopConfig, masukkan informasi tentang pekerja dan apa yang harus mereka lihat. Untuk informasi tentang setiap parameter diHumanLoopConfig, lihat HumanLoopConfig.

  4. (Opsional) Jika Anda menggunakan tipe tugas bawaan, berikan kondisi yang memulai loop manusia. HumanLoopActivationConfig Untuk mempelajari cara membuat input yang diperlukan untuk HumanLoopActivationConfig parameter, lihatSkema JSON untuk Kondisi Aktivasi Loop Manusia di Amazon Augmented AI. Jika Anda tidak menentukan kondisi di sini, saat Anda memberikan definisi aliran ke AWS layanan yang terkait dengan tipe tugas bawaan (misalnya, Amazon Ttract atau Amazon Rekognition), layanan tersebut mengirimkan setiap tugas ke pekerja manusia untuk ditinjau.

    Jika Anda menggunakan jenis tugas khusus, HumanLoopActivationConfig dinonaktifkan. Untuk mempelajari cara mengontrol kapan tugas dikirim ke pekerja manusia menggunakan jenis tugas khusus, lihatGunakan Amazon Augmented AI dengan Jenis Tugas Kustom.

  5. (Opsional) Jika Anda menggunakan tipe tugas bawaan, tentukan sumber integrasi (misalnya, Amazon Rekognition atau Amazon Ttract) dalam parameter. HumanLoopRequestSource

  6. UntukOutputConfig, tunjukkan di mana di Amazon Simple Storage Service (Amazon S3) untuk menyimpan output loop manusia.

  7. (Opsional) Gunakan Tags untuk memasukkan pasangan nilai kunci untuk membantu Anda mengkategorikan dan mengatur definisi aliran. Setiap tanda terdiri dari kunci dan nilai, yang keduanya Anda tentukan.

Amazon Textract – Key-value pair extraction

Berikut ini adalah contoh permintaan untuk membuat alur kerja tinjauan manusia Amazon Textract (definisi alur) menggunakan. AWS SDK for Python (Boto3) Anda harus menggunakan 'AWS/Textract/AnalyzeDocument/Forms/V1' untuk membuat loop manusia Amazon Textract. Hanya sertakan PublicWorkforceTaskPrice jika Anda menggunakan tenaga kerja Mechanical Turk.

sagemaker_client = boto3.client('sagemaker', aws_region)

response = sagemaker_client.create_flow_definition(
    FlowDefinitionName='ExampleFlowDefinition',
    HumanLoopRequestSource={
         'AwsManagedHumanLoopRequestSource': 'AWS/Textract/AnalyzeDocument/Forms/V1'
    }, 
    HumanLoopActivationConfig={
        'HumanLoopActivationConditionsConfig': {
            'HumanLoopActivationConditions': '{...}'
        }
    },
    HumanLoopConfig={
        'WorkteamArn': 'arn:aws:sagemaker:aws_region:aws_account_number:workteam/private-crowd/workteam_name',
        'HumanTaskUiArn': 'arn:aws:sagemaker:aws_region:aws_account_number:human-task-ui/template_name',
        'TaskTitle': 'Example task title',
        'TaskDescription': 'Example task description.',
        'TaskCount': 123,
        'TaskAvailabilityLifetimeInSeconds': 123,
        'TaskTimeLimitInSeconds': 123,
        'TaskKeywords': [
            'Keyword1','Keyword2'
        ],
        'PublicWorkforceTaskPrice': {
            'AmountInUsd': {
                'Dollars': 123,
                'Cents': 123,
                'TenthFractionsOfACent': 123
            }
        }
    },
    OutputConfig={
        'S3OutputPath': 's3://bucket/path/',
        'KmsKeyId': '1234abcd-12ab-34cd-56ef-1234567890ab'
    },
    RoleArn='arn:aws:iam::aws_account_number:role/role_name',
    Tags=[
        {
            'Key': 'KeyName',
            'Value': 'ValueName'
        },
    ]
)
Amazon Rekognition – Image moderation

Berikut ini adalah contoh permintaan untuk membuat alur kerja tinjauan manusia Amazon Rekognition (definisi alur) menggunakan file. AWS SDK for Python (Boto3) Anda harus menggunakan 'AWS/Rekognition/DetectModerationLabels/Image/V3' untuk membuat definisi aliran Amazon Rekognition. Hanya sertakan PublicWorkforceTaskPrice jika Anda menggunakan tenaga kerja Mechanical Turk.

sagemaker_client = boto3.client('sagemaker', aws_region)

response = sagemaker_client.create_flow_definition(
    FlowDefinitionName='ExampleFlowDefinition',
    HumanLoopRequestSource={
         'AwsManagedHumanLoopRequestSource': 'AWS/Rekognition/DetectModerationLabels/Image/V3'
    }, 
    HumanLoopActivationConfig={
        'HumanLoopActivationConditionsConfig': {
            'HumanLoopActivationConditions': '{...}'
        }
    },
    HumanLoopConfig={
        'WorkteamArn': 'arn:aws:sagemaker:aws_region:aws_account_number:workteam/private-crowd/workteam_name',
        'HumanTaskUiArn': 'arn:aws:sagemaker:aws_region:aws_account_number:human-task-ui/template_name',
        'TaskTitle': 'Example task title',
        'TaskDescription': 'Example task description.',
        'TaskCount': 123,
        'TaskAvailabilityLifetimeInSeconds': 123,
        'TaskTimeLimitInSeconds': 123,
        'TaskKeywords': [
            'Keyword1','Keyword2'
        ],
        'PublicWorkforceTaskPrice': {
            'AmountInUsd': {
                'Dollars': 123,
                'Cents': 123,
                'TenthFractionsOfACent': 123
            }
        }
    },
    OutputConfig={
        'S3OutputPath': 's3://bucket/path/',
        'KmsKeyId': '1234abcd-12ab-34cd-56ef-1234567890ab'
    },
    RoleArn='arn:aws:iam::aws_account_number:role/role_name',
    Tags=[
        {
            'Key': 'KeyName',
            'Value': 'ValueName'
        },
    ]
)
Custom Workflow

Berikut ini adalah contoh permintaan untuk membuat alur kerja tinjauan manusia (definisi alur) untuk integrasi kustom. Untuk membuat jenis alur kerja tinjauan manusia ini, hilangkan HumanLoopRequestSource dari permintaan definisi aliran. Anda hanya perlu menyertakan PublicWorkforceTaskPrice jika Anda menggunakan tenaga kerja Mechanical Turk.

sagemaker_client = boto3.client('sagemaker', aws_region)

response = sagemaker_client.create_flow_definition(
    FlowDefinitionName='ExampleFlowDefinition',
    HumanLoopActivationConfig={
        'HumanLoopActivationConditionsConfig': {
            'HumanLoopActivationConditions': '{...}'
        }
    },
    HumanLoopConfig={
        'WorkteamArn': 'arn:aws:sagemaker:aws_region:aws_account_number:workteam/private-crowd/workteam_name',
        'HumanTaskUiArn': 'arn:aws:sagemaker:aws_region:aws_acount_number:human-task-ui/template_name',
        'TaskTitle': 'Example task title',
        'TaskDescription': 'Example task description.',
        'TaskCount': 123,
        'TaskAvailabilityLifetimeInSeconds': 123,
        'TaskTimeLimitInSeconds': 123,
        'TaskKeywords': [
            'Keyword1','Keyword2'
        ],
        'PublicWorkforceTaskPrice': {
            'AmountInUsd': {
                'Dollars': 123,
                'Cents': 123,
                'TenthFractionsOfACent': 123
            }
        }
    },
    OutputConfig={
        'S3OutputPath': 's3://bucket/path/',
        'KmsKeyId': '1234abcd-12ab-34cd-56ef-1234567890ab'
    },
    RoleArn='arn:aws:iam::account_number:role/role_name',
    Tags=[
        {
            'Key': 'KeyName',
            'Value': 'ValueName'
        },
    ]
)
anchoranchoranchor

Berikut ini adalah contoh permintaan untuk membuat alur kerja tinjauan manusia Amazon Textract (definisi alur) menggunakan. AWS SDK for Python (Boto3) Anda harus menggunakan 'AWS/Textract/AnalyzeDocument/Forms/V1' untuk membuat loop manusia Amazon Textract. Hanya sertakan PublicWorkforceTaskPrice jika Anda menggunakan tenaga kerja Mechanical Turk.

sagemaker_client = boto3.client('sagemaker', aws_region)

response = sagemaker_client.create_flow_definition(
    FlowDefinitionName='ExampleFlowDefinition',
    HumanLoopRequestSource={
         'AwsManagedHumanLoopRequestSource': 'AWS/Textract/AnalyzeDocument/Forms/V1'
    }, 
    HumanLoopActivationConfig={
        'HumanLoopActivationConditionsConfig': {
            'HumanLoopActivationConditions': '{...}'
        }
    },
    HumanLoopConfig={
        'WorkteamArn': 'arn:aws:sagemaker:aws_region:aws_account_number:workteam/private-crowd/workteam_name',
        'HumanTaskUiArn': 'arn:aws:sagemaker:aws_region:aws_account_number:human-task-ui/template_name',
        'TaskTitle': 'Example task title',
        'TaskDescription': 'Example task description.',
        'TaskCount': 123,
        'TaskAvailabilityLifetimeInSeconds': 123,
        'TaskTimeLimitInSeconds': 123,
        'TaskKeywords': [
            'Keyword1','Keyword2'
        ],
        'PublicWorkforceTaskPrice': {
            'AmountInUsd': {
                'Dollars': 123,
                'Cents': 123,
                'TenthFractionsOfACent': 123
            }
        }
    },
    OutputConfig={
        'S3OutputPath': 's3://bucket/path/',
        'KmsKeyId': '1234abcd-12ab-34cd-56ef-1234567890ab'
    },
    RoleArn='arn:aws:iam::aws_account_number:role/role_name',
    Tags=[
        {
            'Key': 'KeyName',
            'Value': 'ValueName'
        },
    ]
)

Langkah Berikutnya

Nilai pengembalian panggilan operasi CreateFlowDefinition API yang berhasil adalah definisi aliran Amazon Resource Name (ARN).

Jika Anda menggunakan tipe tugas bawaan, Anda dapat menggunakan ARN definisi aliran untuk memulai loop manusia menggunakan API AWS layanan tersebut (yaitu Amazon Textract API). Untuk jenis tugas khusus, Anda dapat menggunakan ARN untuk memulai loop manusia menggunakan Amazon Augmented AI Runtime API. Untuk mempelajari lebih lanjut tentang kedua opsi ini, lihatMembuat dan Memulai Loop Manusia.

Di halaman ini

Related resources

Amazon SageMaker AI Referensi API
AWS CLI perintah untuk Amazon SageMaker AI
SDKs & Alat 

Related resources

Amazon SageMaker AI Referensi API
AWS CLI perintah untuk Amazon SageMaker AI
SDKs & Alat 
PrivasiSyarat situsPreferensi cookie
© 2025, Amazon Web Services, Inc. atau afiliasinya. Semua hak dilindungi undang-undang.