Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Crea funzioni Lambda per un flusso di lavoro di etichettatura personalizzato
È possibile creare una funzione Lambda utilizzando la console Lambda, AWS CLI, o un AWS SDKin un linguaggio di programmazione supportato a tua scelta. Usa il AWS Lambda Guida per gli sviluppatori per saperne di più su ciascuna di queste opzioni:
-
Per scoprire come creare una funzione Lambda utilizzando la console, consulta Create a Lambda function with the console.
-
Per imparare a creare una funzione Lambda utilizzando AWS CLI, vedi Uso AWS Lambda con AWSInterfaccia a riga di comando.
-
Seleziona la sezione pertinente nell'indice per maggiori informazioni su come lavorare con Lambda nella lingua che preferisci. Ad esempio, seleziona Working with Python per saperne di più sull'utilizzo di Lambda con AWS SDK for Python (Boto3).
Ground Truth fornisce modelli di pre-annotazione e post-annotazione tramite un AWS Serverless Application Repository () ricetta. SAR Segui questa procedura per selezionare la ricetta Ground Truth nella console Lambda.
Usa la SAR ricetta Ground Truth per creare funzioni Lambda di pre-annotazione e post-annotazione:
-
Apri la pagina Funzioni
sulla console Lambda. -
Seleziona Crea funzione.
-
Seleziona Sfoglia il repository di app serverless.
-
Nella casella di testo di ricerca, inserisci aws-sagemaker-ground-truth-recipe e seleziona l'app.
-
Seleziona Implementa. L'implementazione dell'app potrebbe richiedere un paio di minuti.
Una volta implementata l'app, nella sezione Funzioni della console Lambda vengono visualizzate due funzioni:
serverlessrepo-aws-sagema-GtRecipePreHumanTaskFunc-e<id>serverlessrepo-aws-sagema-GtRecipeAnnotationConsol-.<id> -
Seleziona una di queste funzioni e aggiungi la tua logica personalizzata nella sezione Codice.
-
Quando hai finito di apportare modifiche, seleziona Implementa per implementarle.
