View a markdown version of this page

Membuat 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.

Membuat Alur Kerja Tinjauan Manusia

catatan

Amazon SageMaker A2I tidak lagi terbuka untuk pelanggan baru. Pelanggan yang sudah ada dapat terus menggunakan layanan seperti biasa. AWS terus berinvestasi dalam peningkatan keamanan dan ketersediaan untuk A2I, tetapi kami tidak berencana untuk memperkenalkan fitur baru.

Gunakan alur kerja tinjauan 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 disebut

  • Tenaga kerja tempat tugas Anda dikirim

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

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

  • Di mana data keluaran Anda disimpan

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

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 alur untuk jenis tugas khusus, Anda tidak dapat menentukan kondisi aktivasi. Saat menggunakan Amazon A2I API untuk membuat definisi alur untuk jenis tugas khusus, Anda tidak dapat mengatur HumanLoopActivationConditions atribut HumanLoopActivationConditionsConfig parameter. Untuk mengontrol kapan tinjauan manusia dimulai, tentukan kondisi di mana StartHumanLoop dipanggil dalam aplikasi kustom Anda. Dalam hal ini, setiap StartHumanLoop pemanggilan menghasilkan tinjauan manusia. Untuk informasi selengkapnya, lihat Gunakan Amazon Augmented AI dengan Jenis Tugas Kustom.

Prasyarat

Untuk membuat definisi alur kerja peninjauan manusia, Anda harus telah menyelesaikan prasyarat yang dijelaskan dalamPrasyarat 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, pertama-tama buat templat tugas pekerja. Untuk informasi selengkapnya, lihat Membuat dan Kelola Templat Tugas Pekerja.

Jika Anda ingin melihat pratinjau template tugas pekerja Anda saat membuat definisi alur untuk jenis tugas bawaan di konsol, pastikan Anda memberikan peran yang Anda gunakan untuk membuat izin definisi alur untuk mengakses bucket Amazon S3 yang berisi artefak template Anda menggunakan kebijakan seperti yang dijelaskan dalamAktifkan Pratinjau Templat 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 SageMaker AI. Jika Anda baru mengenal Amazon A2I, kami sarankan Anda membuat tim kerja pribadi menggunakan orang-orang di organisasi Anda, dan menggunakan ARN tim kerja ini saat membuat definisi alur Anda. Untuk mempelajari cara mengatur tenaga kerja swasta dan membuat tim kerja, lihatBuat Tenaga Kerja Pribadi (Amazon SageMaker AI Console). Jika Anda telah menyiapkan tenaga kerja swasta, lihat Buat Tim Kerja Menggunakan Konsol SageMaker AI untuk mempelajari cara menambahkan tim kerja ke tenaga kerja itu.

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 peninjauan manusia di konsol. Untuk melihat contoh templat default yang disediakan oleh Augmented AI, lihat jenis tugas bawaan diKasus Penggunaan dan Contoh Menggunakan Amazon A2I.

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 peninjauan manusia, lalu pilih Buat alur kerja tinjauan manusia.

  3. Di I khtis ar, lakukan hal berikut:

    1. Untuk Nama, masukkan nama alur kerja yang unik. Nama harus huruf kecil, unik dalam Wil AWS ayah 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 Wilayah yang sama AWS dengan alur kerja.

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

  4. Untuk Jenis tugas, pilih jenis tugas yang Anda inginkan untuk dilakukan oleh pekerja manusia.

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

    • Untuk tugas moderasi gambar Amazon Rekognition, pilih interval ambang 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 lebih rendah dari ambang batas yang diperlukan untuk kunci formulir apa pun. Dua variabel menentukan ambang kepercayaan Anda: Keyak inan identifikasi dan kepercayaan kualifikasi. Untuk mempelajari lebih lanjut tentang variabel-variabel ini, lihatGunakan Amazon Augmented AI dengan Amazon Textract.

    • 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 template tugas pekerja Anda:

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

      1. Di bagian Buat template:

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

          • Jika Anda memilih Bangun dari template default, buat instruksi Anda di bawah Desain tugas Pek erja:

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

            • Di bagian Instruksi, berikan petunjuk 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 untuk pekerja Anda. Untuk mempelajari cara membuat template khusus, lihatMembuat Templat Tugas Pekerja.

    2. Jika Anda menggunakan jenis tugas khusus:

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

  7. (Opsional) Pratinjau template pekerja Anda:

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

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

  8. Untuk Pekerja, pilih jenis tenaga kerja.

  9. Pilih Create (Buat).

Langkah Berikutnya

Setelah Anda membuat alur kerja peninjauan manusia, alur kerja tersebut muncul di konsol di bawah Alur kerja peninjauan manusia. Untuk melihat rincian konfigurasi dan detail konfigurasi Amazon Resource Name (ARN) definisi alur Anda, pilih alur kerja dengan memilih namanya.

Jika Anda menggunakan jenis tugas bawaan, Anda dapat menggunakan definisi aliran ARN 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 Human Loop.

Membuat Alur Kerja Tinjauan Manusia (API)

Untuk membuat definisi alur 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 dalam Wil AWS ayah 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 konfigurasi 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 jenis tugas bawaan, berikan kondisi yang memulai loop manusiaHumanLoopActivationConfig. 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 alur ke AWS layanan yang terkait dengan jenis tugas bawaan (misalnya, Amazon Textract atau Amazon Rekognition), layanan tersebut mengirimkan setiap tugas ke pekerja manusia untuk ditinjau.

    Jika Anda menggunakan jenis tugas khusus, dinon HumanLoopActivationConfig aktifkan. 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 jenis tugas bawaan, tentukan sumber integrasi (misalnya, Amazon Rekognition atau Amazon Textract) di parameter. HumanLoopRequestSource

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

  7. (Opsional) Gunakan Tags untuk memasukkan pasangan kunci-nilai untuk membantu Anda mengkategorikan dan mengatur definisi alur. Setiap tanda terdiri atas sebuah kunci dan sebuah 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 aliran) menggunakan. AWS SDK for Python (Boto3) Anda harus menggunakan 'AWS/Textract/AnalyzeDocument/Forms/V1' untuk membuat loop manusia Amazon Textract. Hanya termasuk 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 aliran) menggunakan. AWS SDK for Python (Boto3) Anda harus menggunakan 'AWS/Rekognition/DetectModerationLabels/Image/V3' untuk membuat definisi aliran Amazon Rekognition. Hanya termasuk 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 aliran) untuk integrasi kustom. Untuk membuat jenis alur kerja peninjauan manusia ini, hilangkan HumanLoopRequestSource dari permintaan definisi alur. Anda hanya perlu memasukkan 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'
        },
    ]
)

Langkah Berikutnya

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

Jika Anda menggunakan jenis tugas bawaan, Anda dapat menggunakan definisi aliran ARN 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 Human Loop.