檢視資料集 - Amazon Lookout for Vision
檢視專案中的資料集 （主控台）檢視專案中的資料集 （SDK）

支援終止通知：在 2025 年 10 月 31 日， AWS 將停止對 Amazon Lookout for Vision 的支援。2025 年 10 月 31 日之後，您將無法再存取 Lookout for Vision 主控台或 Lookout for Vision 資源。如需詳細資訊，請造訪此部落格文章。

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

檢視資料集

專案可以有一個資料集，用於訓練和測試模型。或者，您可以有單獨的訓練和測試資料集。您可以使用 主控台來檢視資料集。您也可以使用 DescribeDataset操作來取得資料集 （訓練或測試） 的相關資訊。

檢視專案中的資料集 （主控台）

執行下列程序的步驟，在主控台中檢視專案的資料集。

檢視資料集 （主控台）

  1. 開啟位於 的 Amazon Lookout for Vision 主控台 https://console.aws.amazon.com/lookoutvision/。

  2. 選擇開始使用。

  3. 在左側導覽視窗中，選擇專案。

  4. 在專案頁面上，選取包含您要檢視之資料集的專案。

  5. 在左側導覽窗格中，選擇資料集以檢視資料集詳細資訊。如果您有訓練和測試資料集，則會顯示每個資料集的索引標籤。

檢視專案中的資料集 （SDK）

您可以使用 DescribeDataset操作來取得與專案相關聯的訓練或測試資料集的相關資訊。

檢視資料集 （SDK）

  1. 如果您尚未這麼做，請安裝並設定 AWS CLI 和 AWS SDKs。如需詳細資訊，請參閱步驟 4：設定 AWS CLI 和 SDK AWS SDKs。

  2. 使用下列範例程式碼來檢視資料集。

    CLI

    變更下列值：

    • project-name 包含您要檢視之模型的專案名稱。

    • dataset-type 您想要檢視的資料集類型 （train 或 test）。

    aws lookoutvision describe-dataset --project-name project name\
  --dataset-type train or test \
  --profile lookoutvision-access
    Python

    此程式碼取自 AWS 文件SDK範例 GitHub 儲存庫。請參閱此處的完整範例。

        @staticmethod
    def describe_dataset(lookoutvision_client, project_name, dataset_type):
        """
        Gets information about a Lookout for Vision dataset.

        :param lookoutvision_client: A Boto3 Lookout for Vision client.
        :param project_name: The name of the project that contains the dataset that
                             you want to describe.
        :param dataset_type: The type (train or test) of the dataset that you want
                             to describe.
        """
        try:
            response = lookoutvision_client.describe_dataset(
                ProjectName=project_name, DatasetType=dataset_type
            )
            print(f"Name: {response['DatasetDescription']['ProjectName']}")
            print(f"Type: {response['DatasetDescription']['DatasetType']}")
            print(f"Status: {response['DatasetDescription']['Status']}")
            print(f"Message: {response['DatasetDescription']['StatusMessage']}")
            print(f"Images: {response['DatasetDescription']['ImageStats']['Total']}")
            print(f"Labeled: {response['DatasetDescription']['ImageStats']['Labeled']}")
            print(f"Normal: {response['DatasetDescription']['ImageStats']['Normal']}")
            print(f"Anomaly: {response['DatasetDescription']['ImageStats']['Anomaly']}")
        except ClientError:
            logger.exception("Service error: problem listing datasets.")
            raise
        print("Done.")
    Java V2

    此程式碼取自 AWS 文件SDK範例 GitHub 儲存庫。請參閱此處的完整範例。

    /**
 * Gets the description for a Amazon Lookout for Vision dataset.
 * 
 * @param lfvClient   An Amazon Lookout for Vision client.
 * @param projectName The name of the project in which you want to describe a
 *                    dataset.
 * @param datasetType The type of the dataset that you want to describe (train
 *                    or test).
 * @return DatasetDescription A description of the dataset.
 */
public static DatasetDescription describeDataset(LookoutVisionClient lfvClient,
                String projectName,
                String datasetType) throws LookoutVisionException {

        logger.log(Level.INFO, "Describing {0} dataset for project {1}",
                        new Object[] { datasetType, projectName });

        DescribeDatasetRequest describeDatasetRequest = DescribeDatasetRequest.builder()
                        .projectName(projectName)
                        .datasetType(datasetType)
                        .build();

        DescribeDatasetResponse describeDatasetResponse = lfvClient.describeDataset(describeDatasetRequest);
        DatasetDescription datasetDescription = describeDatasetResponse.datasetDescription();

        logger.log(Level.INFO, "Project: {0}\n"
                        + "Created: {1}\n"
                        + "Type: {2}\n"
                        + "Total: {3}\n"
                        + "Labeled: {4}\n"
                        + "Normal: {5}\n"
                        + "Anomalous: {6}\n",
                        new Object[] {
                                        datasetDescription.projectName(),
                                        datasetDescription.creationTimestamp(),
                                        datasetDescription.datasetType(),
                                        datasetDescription.imageStats().total().toString(),
                                        datasetDescription.imageStats().labeled().toString(),
                                        datasetDescription.imageStats().normal().toString(),
                                        datasetDescription.imageStats().anomaly().toString(),
                        });

        return datasetDescription;

}