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. # Utilizzare dati di input e output I dati di input che fornisci ad Amazon SageMaker Ground Truth vengono inviati ai tuoi lavoratori per l'etichettatura. Puoi scegliere i dati da inviare ai tuoi worker creando un unico file manifest che definisce tutti i dati che richiedono l'etichettatura o inviando oggetti dati di input a un processo di etichettatura in streaming continuo per essere etichettati in tempo reale. I dati di output sono il risultato del processo di etichettatura. Il file di dati di output, o *file manifest aumentato*, contiene i dati dell'etichetta di ogni oggetto inviato al processo di etichettatura e i metadati sull'etichetta assegnati agli oggetti dati. Quando utilizzi la classificazione delle immagini (singola e multietichetta), la classificazione del testo (a etichetta singola e multipla), il rilevamento di oggetti e la segmentazione semantica integrate nei tipi di attività per creare un lavoro di etichettatura, puoi utilizzare il file manifesto aumentato risultante per avviare un processo di formazione. SageMaker [Per una dimostrazione di come utilizzare un manifesto aumentato per addestrare un modello di machine learning per il rilevamento di oggetti con Amazon SageMaker AI, consulta object\$1detection\$1augmented\$1manifest\$1training.ipynb.](https://sagemaker-examples.readthedocs.io/en/latest/ground_truth_labeling_jobs/object_detection_augmented_manifest_training/object_detection_augmented_manifest_training.html) Per ulteriori informazioni, consulta [File di manifesto aumentati nei job di addestramento](augmented-manifest.md). **Topics** + [Dati di input](sms-data-input.md) + [Dati di input nuvola di punti 3D](sms-point-cloud-input-data.md) + [Dati di input di fotogrammi video](sms-video-frame-input-data-overview.md) + [Etichettatura dei dati di output di un processo](sms-data-output.md)