创建人工审核工作流 - 亚马逊 SageMaker AI
创建人工审核工作流（控制台）创建人工审阅工作流程 (API)

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

创建人工审核工作流

使用 Amazon Augmented AI (Amazon A2I) 人工审核工作流（也称为流定义），指定以下内容：

  • 对于 Amazon Textract 和 Amazon Rekognition 内置任务类型，指定调用您人工循环的条件

  • 将任务发送到的人力

  • 您的人力将收到的一组说明，称为工作人员任务模板

  • 工作人员任务的配置，包括接收任务的工作人员数量和完成任务的时间限制

  • 存储输出数据的位置

您可以在 SageMaker AI 控制台中或使用 AI CreateFlowDefinition操作创建 SageMaker 人工审核工作流程。对于 Amazon Textract 和 Amazon Rekognition 任务类型，您可在创建流定义时，使用控制台构建工作人员任务模板。

重要

用于启动人工循环的人工循环激活条件（例如，置信度阈值），不可用于 Amazon A2I 自定义任务类型。使用控制台为自定义任务类型创建流定义时，您无法指定激活条件。使用 Amazon A2I API 为自定义任务类型创建流程定义时，您无法设置参数的HumanLoopActivationConditionsHumanLoopActivationConditionsConfig属性。要控制何时启动人工审核，请指定在自定义应用程序中调用 StartHumanLoop 的条件。在这种情况下，每次 StartHumanLoop 调用都会导致人工审核。有关更多信息，请参阅 将 Amazon Augmented AI 与自定义任务类型结合使用。

先决条件

要创建人工审核工作流定义，您必须已完成使用 Augmented AI 的先决条件中所述的先决条件。

如果您使用API为任何任务类型创建流程定义，或者在控制台中创建流程定义时使用自定义任务类型，请先创建工作任务模板。有关更多信息，请参阅 创建和管理工作人员任务模板。

如果您在控制台中为内置任务类型创建流定义时，希望预览工作人员任务模板，请确保使用类似于启用工作人员任务模板预览 中所述的策略，向您用于创建流定义的角色授予访问 Amazon S3 存储桶（其中包含您的模板构件）的权限。

主题

创建人工审核工作流（控制台）

使用此过程使用 AI 控制台创建 Amazon Agumented AI（Amazon A2I） SageMaker 人工审核工作流程。如果您不熟悉 Amazon A2I，我们建议您使用组织中的人员创建私人工作团队，并在创建流程定义ARN时使用该工作团队。要了解如何设置私有人力和创建工作团队，请参阅创建私人员工（Amazon A SageMaker I 控制台）。如果您已设置私有人力，请参阅使用 SageMaker AI 控制台创建工作团队以了解如何将工作团队添加到该人力中。

如果您正在将 Amazon A2I 与某个内置任务类型结合使用，则在控制台中创建人工审核工作流时，可以使用 Augmented AI 提供的默认工作人员任务模板来创建工作人员说明。要查看 Augmented AI 提供的默认模板示例，请参阅使用 Amazon A2I 的使用场景和示例中的内置任务类型。

创建流定义（控制台）

  1. 打开 SageMaker AI 控制台，网址为https://console.aws.amazon.com/sagemaker/。

  2. 在导航窗格的 Augmented AI 部分中，选择人工审核工作流，然后选择创建人工审核工作流。

  3. 在 Overview (概述) 中，执行以下操作：

    1. 在名称中，输入唯一工作流名称。该名称必须为小写字母，在您账户的 AWS 区域内是唯一的，并且最多可以包含 63 个字符。有效字符包括：a-z、0-9 和 -（连字符）。

    2. 在输出的 S3 位置中，输入将人工审核结果存储到的 S3 存储桶。存储桶必须与工作流程位于同一 AWS 区域。

    3. 对于 IAM 角色，选择具有所需权限的角色。如果您选择内置任务类型并希望在控制台中预览工作人员模板，请提供附加了启用工作人员任务模板预览 中所描述策略类型的角色。

  4. 在任务类型中，选择您希望人工执行的任务类型。

  5. 如果您选择 Amazon Rekognition 或 Amazon Textract 任务类型，请指定调用人工审核的条件。

    • 对于 Amazon Rekognition 图像监管任务，选择一个推理置信度分数阈值区间，在此区间将启动人工审核。

    • 对于 Amazon Textract 任务，当特定的表单键缺失或表单键检测置信度较低时，您可以启动人工审核。如果在对文本中的所有表单键进行评估后，任何表单键的置信度低于所需的阈值，您也可以启动人工审核。您可以使用两个变量来指定置信阈值：标识置信度和资格置信度。要了解有关这些变量的更多信息，请参阅将 Amazon Augmented AI 与 Amazon Textract 结合使用。

    • 对于这两种任务类型，您可以随机将一定比例的数据对象（图像或表单）及其标签发送给工作人员以供审查。

  6. 配置并指定工作人员任务模板：

    1. 如果您使用的是 Amazon Rekognition 或 Amazon Textract 任务类型：

      1. 在创建模板部分：

        • 对于 Amazon Rekognition 和 Amazon Textract 任务类型，要使用 Amazon A2I 默认模板来为工作人员创建说明，请选择从默认模板构建。

          • 如果您选择从默认模板构建，请在工作人员任务设计中创建您的说明。

            • 请提供在您 AWS 所在区域中唯一的模板名称。

            • 在说明部分中，提供有关如何完成您的任务的详细说明。为了帮助工作人员达到更好的准确性，请提供好示例和坏示例。

            • （可选）在其他说明中，向您的工作人员提供其他信息和说明。

              有关创建有效说明的信息，请参阅创建良好的工作人员说明。

        • 要选择您已创建的自定义模板，请从模板菜单中选择该模板，并提供一个任务描述来简要描述工作人员的任务。要了解如何创建自定义模板，请参阅创建工作人员任务模板。

    2. 使用自定义任务类型时：

      1. 在工作人员任务模板部分中，从列表中选择您的模板。您在 SageMaker AI 控制台中创建的所有模板都显示在此列表中。要了解如何为自定义任务类型创建模板，请参阅创建和管理工作人员任务模板。

  7. （可选）预览工作人员模板：

    对于 Amazon Rekognition 和 Amazon Textract 任务类型，您可以选择查看示例工作人员任务以预览工作人员任务 UI。

    如果要为自定义任务类型创建流定义，您可以使用 RenderUiTemplate 操作预览工作人员任务 UI。有关更多信息，请参阅 预览工作人员任务模板。

  8. 在工作人员中，选择人力类型。

  9. 选择创建。

后续步骤

创建人工审核工作流后，该工作流将显示在控制台中的人工审核工作流下。要查看您的流程定义的 Amazon 资源名称 (ARN) 和配置详情，请通过选择其名称来选择工作流程。

如果您使用的是内置任务类型，则可以使用流程定义ARN使用该 AWS 服务API（例如 Amazon Textrac API t）启动人工循环。对于自定义任务类型，您可以使用使用 Amazon A ARN gumented AI 运行时启动人工循环API。要了解有关这两个选项的更多信息，请参阅创建和启动人工循环。

创建人工审阅工作流程 (API)

要使用创建流程定义 SageMaker API，请使用CreateFlowDefinition操作。完成后使用 Augmented AI 的先决条件，请按照以下步骤学习如何使用此API操作。

有关 CreateFlowDefinition 操作的概览以及有关每个参数的详细信息，请参阅 CreateFlowDefinition。

创建流程定义 (API)

  1. 对于 FlowDefinitionName，输入唯一名称。该名称在您账户的 AWS 区域内必须是唯一的，并且最多可以包含 63 个字符。有效字符包括：a-z、0-9 和 -（连字符）。

  2. 对于RoleArn，ARN输入您配置为授予数据源访问权限的角色。

  3. 对于 HumanLoopConfig，输入有关工作人员及其所见内容的信息。有关中每个参数的信息HumanLoopConfig，请参见HumanLoopConfig。

  4. （可选）如果您使用内置任务类型，请在 HumanLoopActivationConfig 中提供启动人工循环的条件。要了解如何创建 HumanLoopActivationConfig 参数所需的输入，请参阅JSONAmazon 增强型 AI 中人环激活条件的架构。如果您未在此处指定条件，则当您为与内置任务类型（例如 Amazon Textract 或 Amazon Rekognition）关联的 AWS 服务提供流程定义时，该服务会将所有任务发送给人工工作人员进行审核。

    如果您使用自定义任务类型，则将禁用 HumanLoopActivationConfig。要了解如何使用自定义任务类型控制何时将任务发送给工作人员，请参阅将 Amazon Augmented AI 与自定义任务类型结合使用。

  5. （可选）如果您使用的是内置任务类型，请在参数中指定集成源（例如 Amazon Rekognition 或 Amazon Textract）。HumanLoopRequestSource

  6. 对于 OutputConfig，指示 Amazon Simple Storage Service (Amazon S3) 中存储人工循环输出的位置。

  7. （可选）使用 Tags 输入键/值对以帮助您分类和组织流定义。每个标签都由键 和值组成，这两个参数都由您定义。

Amazon Textract – Key-value pair extraction

以下请求示例使用 AWS SDK for Python (Boto3)创建 Amazon Textract 人工审核工作流（流定义）。您必须使用 'AWS/Textract/AnalyzeDocument/Forms/V1' 来创建 Amazon Textract 人工循环。仅当您使用的是 Mechanical Turk 人力时才包括 PublicWorkforceTaskPrice。

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

以下请求示例使用 AWS SDK for Python (Boto3)创建 Amazon Rekognition 人工审核工作流（流定义）。您必须使用 'AWS/Rekognition/DetectModerationLabels/Image/V3' 以创建 Amazon Rekognition 流定义。仅当您使用的是 Mechanical Turk 人力时才包括 PublicWorkforceTaskPrice。

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

以下请求示例为自定义集成创建人工审核工作流（流定义）。要创建这种类型的人工审核工作流，请忽略流定义请求中的 HumanLoopRequestSource。只有当您使用的是 Mechanical Turk 人力时，才需要包括 PublicWorkforceTaskPrice。

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'
        },
    ]
)

后续步骤

成功调用该CreateFlowDefinitionAPI操作的返回值是流程定义 Amazon 资源名称 (ARN)。

如果您使用的是内置任务类型，则可以使用流程定义ARN使用该 AWS 服务API（即 Amazon Textrac API t）启动人工循环。对于自定义任务类型，您可以使用使用 Amazon A ARN gumented AI 运行时启动人工循环API。要了解有关这些选项的更多信息，请参阅创建和启动人工循环。