建立標記任務 (API)

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

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 UI 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。
- 如果您使用自訂標記工作流程，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 UI。
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。如果您建立串流標記工作，此為選用。若要了解如何建立串流標記任務，請參閱建立串流標籤工作。
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前綴。
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"}
    ]
}
```

附加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，請參閱搭配 Ground Truth 使用IAM受管政策。如果您需要更精細的許可，請參閱指派使用 Ground Truth 的IAM許可。

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預先標註和事後標註 (或註釋合併) AWS Lambda 函數 Amazon Resource Name (ARN)。
- Lambda 函數在每個 AWS 區域中針對內建工作類型預先定義。若要尋找您所在區域的預先註解 Lambda ARN，請參閱。PreHumanTaskLambdaArn若要尋找適用於您區域的註解整合 Lambda ARN，請參閱。AnnotationConsolidationLambdaArn
- 對於自訂標記工作流程，您必須提供自訂的預先標註和事後標註 Lambda ARN。若要了解如何建立這些 Lambda 函數，請參閱使用處理 AWS Lambda。
您在 WorkteamArn 中指定的工作團隊 ARN。訂閱廠商人力或建立私人工作團隊時，您會收到工作團隊 ARN。如果要為視訊影格或點雲工作類型建立標籤工作，則無法使用工作 Amazon Mechanical Turk 人力。對於所有其他任務類型，若要使用 Mechanical Turk 人力，請使用以下 ARN。以您用來建立標籤工作的 AWS 區域取region代。

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

如果您使用 Amazon Mechanical Turk 人力，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，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 旗標指定輸入資料沒有 PII，則標記任務將失敗。使用FreeOfAdultContent旗標來宣告您的輸入資料不含成人內容。 SageMaker 可能會限制可以查看您任務的 Amazon Mechanical Turk 員，如果它包含成人內容。

若要進一步了解工作團隊和人力，請參閱人力資源。
如果您使用 Mechanical Turk 人力，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記單一資料物件。如需註釋合併的詳細資訊，請參閱註釋合併。
(選擇性) 若要建立自動化資料標籤工作，請指定中列出的其LabelingJobAlgorithmSpecificationArn中LabelingJobAlgorithmsConfig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、週框方塊、語義分隔和文字分類。自動化資料標記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，使標記任務停止。您可以使用停止條件來控制標記任務的成本。

範例

下列程式碼範例示範如何使用 CreateLabelingJob 建立標記任務。如需其他範例，我們建議您使用筆記本執行個體「範 SageMaker例」區段中的「Ground Truth 標籤工作 Jupyter」 SageMaker 筆記本之一。若要瞭解如何使用範例中的記事本 SageMaker 範例，請參閱存取範例筆記本。您也可以在 [範例] 儲存庫 GitHub 中查看這些範SageMaker 例筆記本。

AWS SDK for Python (Boto3)

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


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 AWS CLI 請求的範例，可使用 Amazon Mechanical Turk 人力為美國東部 (維吉尼亞北部) 區域中的內建任務類型建立標籤任務。如需詳細資訊，請參閱 AWS CLI 命令參考中的 start-human-loop。將所有紅色斜體文字取代為您的標記任務資源和規格。


$ 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"
        }
    }'

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

建立標記任務 (主控台)

建立串流標籤工作