建立標籤工作 (API)

焦點模式

建立標籤工作 (API) - Amazon SageMaker AI

若要使用 Amazon SageMaker API 來建立標籤工作，請使用 CreateLabelingJob 操作。如需為內建任務類型建立標籤工作的特定指示，請參閱該任務類型頁面。若要了解如何建立串流標籤工作 (永久執行的標籤工作)，請參閱建立串流標籤任務。

若要使用 CreateLabelingJob 操作，您需要下列項目：

Amazon S3 中的工作者任務範本 (UiTemplateS3Uri) 或人工任務使用者介面 ARN (HumanTaskUiArn)。
- 對於 3D 點雲工作、影片物件偵測和追蹤工作，以及 NER 工作，請針對您的任務類型使用 HumanTaskUiArn 中列出的 ARN。
- 如果使用 3D 點雲模式任務以外的內建任務類型，您可以將工作者指示新增至其中一個預先建置的範本，並將範本儲存在 S3 儲存貯體中 (使用 .html 或 .liquid 副檔名)。在您的任務類型頁面上尋找預先建置的範本。
- 如果您使用自訂標籤工作流程，則可以建立自訂範本，並將範本儲存在 S3 儲存貯體中。若要了解如何建立自訂工作者範本，請參閱建立自訂工作者任務範本。如需可用來自訂範本的自訂 HTML 元素，請參閱Crowd HTML 元素參考。如需各種標籤任務的示範範本儲存庫，請參閱 Amazon SageMaker Ground Truth 範例任務使用者介面。
指定您在 Amazon S3 中的輸入資料的輸入資訊清單檔案。在 ManifestS3Uri 指定輸入資訊清單檔案的位置。如需建立輸入資訊清單的相關資訊，請參閱輸入資料。如果您建立串流標籤工作，此為選用。若要了解如何建立串流標籤工作，請參閱建立串流標籤任務。
用來儲存輸出資料的 Amazon S3 儲存貯體。您可以在 S3OutputPath 中指定此儲存貯體及選擇性指定字首。
標籤類別組態檔案。每個標籤類別名稱必須是唯一的。使用 LabelCategoryConfigS3Uri 參數，指定此檔案在 Amazon S3 中的位置。此檔案的格式和標籤類別取決於您使用的任務類型：
- 對於影像分類和文字分類 (單一標籤和多標籤)，您必須至少指定兩個標籤類別。對於所有其他任務類型，最少需要一個標籤類別。
- 對於具名實體辨識任務，您必須在此檔案中提供工作者指示。如需詳細資訊和範例，請參閱在標籤類別組態檔案中提供工作者指示。
- 對於 3D 點雲和影片影格任務類型，請使用使用標籤類別和影格屬性參考來標記類別組態檔案中的格式。
- 對於所有其他內建任務類型和自訂任務，您的標籤類別組態檔案必須是下列格式的 JSON 檔案。使用標籤類別取代 label_1、label_2、...、label_n，藉此來識別您要使用的標籤。
```
{
    "document-version": "2018-11-28",
    "labels": [
        {"label": "label_1"},
        {"label": "label_2"},
        ...
        {"label": "label_n"}
    ]
}
```

已連接 AmazonSageMakerGroundTruthExecution 受管 IAM 政策並具有存取 S3 儲存貯體許可的 AWS Identity and Access Management (IAM) 角色。在 RoleArn 中指定此角色。若要進一步了解此政策，請參閱在 Ground Truth 使用 IAM 受管政策。如果您需要更精細的許可，請參閱指派 IAM 許可以使用 Ground Truth。

如果您的輸入或輸出儲存貯體名稱不包含 sagemaker，您可以將類似下列內容的政策連接至傳遞到 CreateLabelingJob 操作的角色。


{
    "Version": "2012-10-17",
    "Statement": [
        {
            "Effect": "Allow",
            "Action": [
                "s3:GetObject"
            ],
            "Resource": [
                "arn:aws:s3:::my_input_bucket/*"
            ]
        },
        {
            "Effect": "Allow",
            "Action": [
                "s3:PutObject"
            ],
            "Resource": [
                "arn:aws:s3:::my_output_bucket/*"
            ]
        }
    ]
}

可處理您的輸入和輸出資料的註釋前和註釋後 (或註釋合併) AWS Lambda 函式 Amazon Resource Name (ARN)。
- Lambda 函數是針對內建任務類型在每個 AWS 區域中預先定義的。若要尋找您區域的註釋前 Lambda ARN，請參閱 PreHumanTaskLambdaArn。若要尋找您區域的註釋合併 Lambda ARN，請參閱AnnotationConsolidationLambdaArn。
- 對於自訂標籤工作流程，您必須提供自訂的註釋前和註釋後 Lambda ARN。若要了解如何建立這些 Lambda 函式，請參閱使用處理自訂標籤工作流程中的資料 AWS Lambda。
您在 WorkteamArn 中指定的工作團隊 ARN。訂閱廠商人力資源或建立私人工作團隊時，您會收到工作團隊 ARN。如果您要為影片影格或點雲任務類型建立標籤任務，則無法使用 Amazon Mechanical Turk 人力資源。對於所有其他任務類型，若要使用 Mechanical Turk 人力資源，請使用以下 ARN。region 將取代為您用來建立標籤工作的 AWS 區域。

arn:aws:sagemaker:region:394669845002:workteam/public-crowd/default

如果您使用 Amazon Mechanical Turk 人力資源，請在 InputConfig 的 DataAttributes 中使用 ContentClassifiers 參數，以宣告您的內容不含個人識別資訊和成人內容。

如果您使用 Mechanical Turk 人力資源，Ground Truth 要求您的輸入資料不含個人身分識別資訊 (PII)。如果您使用 Mechanical Turk，並且沒有使用 FreeOfPersonallyIdentifiableInformation 標記註明輸入資料不含 PII，則標籤工作將會失敗。使用 FreeOfAdultContent旗標宣告您的輸入資料不含成人內容。SageMaker AI 可能會限制 Amazon Mechanical Turk 工作者，如果該工作者包含成人內容，可以檢視您的任務。

若要進一步了解工作團隊和人力資源，請參閱人力資源。
如果您使用 Mechanical Turk 人力資源，則必須在 PublicWorkforceTaskPrice 指定將支付給執行單一任務工作者的價格。
若要配置工作，您必須分別使用 TaskDescription 和 TaskTitle 提供任務說明和標題。或者，您可以提供時間限制，以控制工作者處理個別任務的時間長度 (TaskTimeLimitInSeconds)，以及工作者入口網站中可供工作者使用的任務剩餘時間 (TaskAvailabilityLifetimeInSeconds)。
(選用) 對於某些任務類型，您可以讓多個工作者為 NumberOfHumanWorkersPerDataObject 參數輸入大於一的數字來標籤單一資料物件。如需註釋合併的詳細資訊，請參閱註釋合併。
(選用) 若要建立自動化資料標籤工作，請在 LabelingJobAlgorithmsConfig 中指定 LabelingJobAlgorithmSpecificationArn 中列出的其中一個 ARN。此 ARN 可識別自動化資料標籤工作中使用的演算法。與此 ARN 關聯的任務類型須符合您指定的 PreHumanTaskLambdaArn 和 AnnotationConsolidationLambdaArn 的任務類型。下列任務類型支援自動化資料標籤：影像分類、邊界框、語意分割和文字分類。自動化資料標籤允許的物件數量下限為 1,250，但強烈建議您至少提供 5,000 個物件。若要進一步了解自動化資料標籤工作，請參閱自動化資料標籤。
(選用) 您可以提供 StoppingConditions，在符合條件的情況下，使標籤工作停止。您可以使用停止條件來控制標籤工作的成本。

範例

下列程式碼範例示範如何使用 CreateLabelingJob 建立標籤工作。如需其他範例，我們建議您使用 SageMaker 筆記本執行個體的 SageMaker 範例區段中的其中一個 Ground Truth 標籤工作 Jupyter 筆記本。若要了解如何從 SageMaker AI 範例使用筆記本範例，請參閱存取範例筆記本。您也可以在 SageMaker AI 範例儲存庫的 GitHub 上查看這些範例筆記本。

AWS SDK for Python (Boto3)

以下是 AWS Python SDK (Boto3) 請求的範例，可使用私有人力資源為美國東部 (維吉尼亞北部) 區域中的內建任務類型建立標籤工作。將所有紅色斜體文字取代為您的標籤工作資源和規格。


response = client.create_labeling_job(
    LabelingJobName="example-labeling-job",
    LabelAttributeName="label",
    InputConfig={
        'DataSource': {
            'S3DataSource': {
                'ManifestS3Uri': "s3://bucket/path/manifest-with-input-data.json"
            }
        },
        'DataAttributes': {
            'ContentClassifiers': [
                "FreeOfPersonallyIdentifiableInformation"|"FreeOfAdultContent",
            ]
        }
    },
    OutputConfig={
        'S3OutputPath': "s3://bucket/path/file-to-store-output-data",
        'KmsKeyId': "string"
    },
    RoleArn="arn:aws:iam::*:role/*",
    LabelCategoryConfigS3Uri="s3://bucket/path/label-categories.json",
    StoppingConditions={
        'MaxHumanLabeledObjectCount': 123,
        'MaxPercentageOfInputDatasetLabeled': 123
    },
    HumanTaskConfig={
        'WorkteamArn': "arn:aws:sagemaker:region:*:workteam/private-crowd/*",
        'UiConfig': {
            'UiTemplateS3Uri': "s3://bucket/path/custom-worker-task-template.html"
        },
        'PreHumanTaskLambdaArn': "arn:aws:lambda:us-east-1:432418664414:function:PRE-tasktype",
        'TaskKeywords': [
            "Images",
            "Classification",
            "Multi-label"
        ],
        'TaskTitle': "Multi-label image classification task",
        'TaskDescription': "Select all labels that apply to the images shown",
        'NumberOfHumanWorkersPerDataObject': 1,
        'TaskTimeLimitInSeconds': 3600,
        'TaskAvailabilityLifetimeInSeconds': 21600,
        'MaxConcurrentTaskCount': 1000,
        'AnnotationConsolidationConfig': {
            'AnnotationConsolidationLambdaArn': "arn:aws:lambda:us-east-1:432418664414:function:ACS-"
        },
    Tags=[
        {
            'Key': "string",
            'Value': "string"
        },
    ]
)

AWS CLI

以下是使用 AWS Amazon Mechanical Turk 人力資源在美國東部（維吉尼亞北部）區域中為內建任務類型建立標籤工作的 CLI 請求範例。有關詳細資訊，請參閱啟動-人工循環在AWS CLI 命令參考。將所有紅色斜體文字取代為您的標籤工作資源和規格。


$ aws --region us-east-1 sagemaker create-labeling-job \
--labeling-job-name "example-labeling-job" \
--label-attribute-name "label" \
--role-arn "arn:aws:iam::account-id:role/role-name" \
--input-config '{
        "DataAttributes": {
            "ContentClassifiers": [
                "FreeOfPersonallyIdentifiableInformation",
                "FreeOfAdultContent"
            ]
        },
        "DataSource": {
            "S3DataSource": {
                "ManifestS3Uri": "s3://bucket/path/manifest-with-input-data.json"
            }
        }
    }' \
--output-config '{
        "KmsKeyId": "",
        "S3OutputPath": "s3://bucket/path/file-to-store-output-data"
    }' \
--human-task-config '{
        "AnnotationConsolidationConfig": {
            "AnnotationConsolidationLambdaArn": "arn:aws:lambda:us-east-1:432418664414:function:ACS-"
        },
        "TaskAvailabilityLifetimeInSeconds": 21600,
        "TaskTimeLimitInSeconds": 3600,
        "NumberOfHumanWorkersPerDataObject": 1,
        "PreHumanTaskLambdaArn":  "arn:aws:lambda:us-east-1:432418664414:function:PRE-tasktype",
        "WorkteamArn": "arn:aws:sagemaker:us-east-1:394669845002:workteam/public-crowd/default",
        "PublicWorkforceTaskPrice": {
            "AmountInUsd": {
                "Dollars": 0,
                "TenthFractionsOfACent": 6,
                "Cents": 3
            }
        },
        "TaskDescription": "Select all labels that apply to the images shown",
        "MaxConcurrentTaskCount": 1000,
        "TaskTitle": "Multi-label image classification task",,
        "TaskKeywords": [
            "Images",
            "Classification",
            "Multi-label"
        ],
        "UiConfig": {
            "UiTemplateS3Uri": "s3://bucket/path/custom-worker-task-template.html"
        }
    }'

anchor anchor


response = client.create_labeling_job(
    LabelingJobName="example-labeling-job",
    LabelAttributeName="label",
    InputConfig={
        'DataSource': {
            'S3DataSource': {
                'ManifestS3Uri': "s3://bucket/path/manifest-with-input-data.json"
            }
        },
        'DataAttributes': {
            'ContentClassifiers': [
                "FreeOfPersonallyIdentifiableInformation"|"FreeOfAdultContent",
            ]
        }
    },
    OutputConfig={
        'S3OutputPath': "s3://bucket/path/file-to-store-output-data",
        'KmsKeyId': "string"
    },
    RoleArn="arn:aws:iam::*:role/*",
    LabelCategoryConfigS3Uri="s3://bucket/path/label-categories.json",
    StoppingConditions={
        'MaxHumanLabeledObjectCount': 123,
        'MaxPercentageOfInputDatasetLabeled': 123
    },
    HumanTaskConfig={
        'WorkteamArn': "arn:aws:sagemaker:region:*:workteam/private-crowd/*",
        'UiConfig': {
            'UiTemplateS3Uri': "s3://bucket/path/custom-worker-task-template.html"
        },
        'PreHumanTaskLambdaArn': "arn:aws:lambda:us-east-1:432418664414:function:PRE-tasktype",
        'TaskKeywords': [
            "Images",
            "Classification",
            "Multi-label"
        ],
        'TaskTitle': "Multi-label image classification task",
        'TaskDescription': "Select all labels that apply to the images shown",
        'NumberOfHumanWorkersPerDataObject': 1,
        'TaskTimeLimitInSeconds': 3600,
        'TaskAvailabilityLifetimeInSeconds': 21600,
        'MaxConcurrentTaskCount': 1000,
        'AnnotationConsolidationConfig': {
            'AnnotationConsolidationLambdaArn': "arn:aws:lambda:us-east-1:432418664414:function:ACS-"
        },
    Tags=[
        {
            'Key': "string",
            'Value': "string"
        },
    ]
)

如需此操作的詳細資訊，請參閱 CreateLabelingJob。如需如何使用其他語言特定 SDK 的資訊，請參閱 CreateLabelingJobs 主題中的另請參閱。

您的瀏覽器已停用或無法使用 Javascript。

您必須啟用 Javascript，才能使用 AWS 文件。請參閱您的瀏覽器說明頁以取得說明。

文件慣用形式

建立標籤工作 (主控台)

建立串流標籤任務

在本頁面

選取您的 Cookie 偏好設定

自訂 Cookie 偏好設定

必要

效能

功能

廣告

無法儲存 Cookie 偏好設定

建立標籤工作 (API)

範例

在本頁面

Related resources

此頁面是否有幫助？

Related resources

下一個主題：

上一個主題：

需要協助？