Erstellen eines Workflows für die Prüfung durch Menschen - Amazon SageMaker

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Erstellen eines Workflows für die Prüfung durch Menschen

Verwenden Sie eine von Amazon Augmented AI (Amazon A2I)Arbeitsablauf für menschliche Überprüfung, oderFlow-Definition, um Folgendes anzugeben:

  • Für die integrierten Aufgabentypen Amazon Textract und Amazon Rekognition sind die Bedingungen, unter denen Ihre Schleife für die Prüfung durch Menschen (Human Loop) aufgerufen wird

  • Die Belegschaft, an die Ihre Aufgaben gesendet werden

  • Die Anweisungen, die Ihre Belegschaft erhält, die alsVorlage für Auftragnehmeraufgaben

  • Die Konfiguration Ihrer Arbeitsaufgaben, einschließlich der Anzahl der Mitarbeiter, die eine Aufgabe erhalten, und der Fristen für die Erledigung von Aufgaben

  • Wo Ihre Ausgabedaten gespeichert sind

Sie können einen Workflow für die Prüfung durch Menschen in der SageMaker-Konsole oder über den SageMaker erstellenCreateFlowDefinitionverwenden. Sie können mithilfe der Konsole für Aufgabentypen Amazon Trextract und Amazon Rekognition eine Vorlage für Auftragnehmeraufgaben erstellen, während Sie Ihre Flow-Definition erstellen.

Wichtig

Aktivierungsbedingungen für menschliche Schleifen, die die menschliche Schleife auslösen, zum Beispiel Konfidenzschwellenwerte - sind für benutzerdefinierte Aufgabentypen von Amazon A2I nicht verfügbar. Wenn Sie mithilfe der Konsole eine Flow-Definition für einen benutzerdefinierten Aufgabentyp erstellen, können Sie keine Aktivierungsbedingungen angeben. Wenn Sie mithilfe der Amazon A2I-API eine Flow-Definition für einen benutzerdefinierten Aufgabentyp erstellen, können Sie denHumanLoopActivationConditionsAttribut derHumanLoopActivationConditionsConfig-Parameter. Um zu steuern, wann Prüfungen durch Menschen (Human Review) initiiert werden, legen Sie Bedingungen fest, unter denen StartHumanLoop in Ihrer benutzerdefinierten Anwendung aufgerufen wird. In diesem Fall führt jeder StartHumanLoop-Aufruf zu einer menschlichen Überprüfung. Weitere Informationen finden Sie unter Verwenden von Amazon Augmented AI mit benutzerdefinierten Aufgabentypen .

Voraussetzungen

Um eine Definition des Workflows für die Prüfung durch Menschen (Human Review) zu erstellen, müssen die unter beschriebenen Voraussetzungen erfüllt sein.Voraussetzungen für die Verwendung von Augmented AIaus.

Wenn Sie mithilfe der -API eine Flow-Definition für einen Aufgabentyp erstellen oder beim Erstellen einer Flow-Definition in der Konsole einen benutzerdefinierten Aufgabentyp verwenden, erstellen Sie zunächst eine Arbeitsaufgabenvorlage. Weitere Informationen finden Sie unter Erstellen und Verwalten von Worker-Task-Vorlagen .

Wenn Sie während der Erstellung einer Flow-Definition für einen integrierten Aufgabentyp in der Konsole eine Vorschau Ihrer Arbeitsaufgabenvorlage anzeigen möchten, stellen Sie sicher, dass Sie der Rolle, die Sie zum Erstellen der Flow-Definition verwenden, eine Zugriffsberechtigung für den Amazon S3 S3-Bucket erteilen, der Ihre Vorlagen-Artefakte enthält, mithilfe einer Richtlinie wie beschrieben. inAktivieren der Vorschau von Vorlagen für Auftragnehmeraufgaben aus.

Erstellen eines Workflows für die Prüfung durch Menschen (Human Review) (Konsole)

Gehen Sie wie folgt vor, um mithilfe der SageMaker-Konsole einen Workflow für die Prüfung durch Menschen (Amazon Augmented AI) unter Verwendung der SageMaker-Konsole zu erstellen. Wenn Sie noch nicht mit Amazon A2I arbeiten, empfehlen wir Ihnen, ein privates Arbeitsteam mit Mitarbeitern in Ihrer Organisation zu erstellen und beim Erstellen Ihrer Flow-Definition den ARN dieses Arbeitsteams zu verwenden. Weitere Informationen zum Einrichten einer privaten Belegschaft und zum Erstellen eines Arbeitsteams finden Sie unter Erstellen privater Arbeitskräfte (Amazon SageMaker SageMaker-Konsole). Wenn Sie bereits eine private Belegschaft eingerichtet haben, beachten Sie die Informationen unter So erstellen Sie ein Arbeitsteam mit der SageMaker-Konsole, um zu erfahren, wie Sie dieser Belegschaft ein Arbeitsteam hinzufügen.

Wenn Sie Amazon A2I mit einem der integrierten Aufgabentypen verwenden, können Sie Anweisungen für Auftragnehmer mithilfe einer standardmäßigen, von Augmented AI bereitgestellten Vorlage für Auftragnehmeraufgaben erstellen, während Sie einen Workflow für die Prüfung durch Menschen in der Konsole erstellen. Beispiele für Standardvorlagen, die von Augmented AI bereitgestellt werden, finden Sie in den integrierten Aufgabentypen inAnwendungsfälle und Beispiele mit Amazon A2Iaus.

So erstellen Sie eine Flow-Definition (Konsole):

  1. Öffnen Sie die SageMaker-Konsole unterhttps://console.aws.amazon.com/sagemaker/aus.

  2. Wählen Sie im Navigationsbereich unter dem Abschnitt Augmented AI die Option Human review workflows (Workflows für die Prüfung durch Menschen) und dann Create human review workflow (Workflow für Prüfung durch Menschen erstellen) aus.

  3. Führen Sie unter Overview (Übersicht) die folgenden Schritte aus:

    1. Geben Sie für Name einen eindeutigen Workflownamen ein. Der Name muss in Kleinbuchstaben angegeben werden und innerhalb der AWS-Region in Ihrem Konto eindeutig sein. Er kann bis zu 63 Zeichen umfassen. Gültige Zeichen sind: a - z, 0 - 9 und - (Bindestrich).

    2. Geben Sie unter S3 location for output (S3-Speicherort für die Ausgabe) den S3-Bucket ein, in dem Sie die Ergebnisse der Prüfung durch Menschen (Human Review) speichern möchten. Der Bucket muss sich in derselben AWS-Region wie der Workflow befinden.

    3. FürIAM-RolleWählen Sie die Rolle aus, die über die erforderlichen Berechtigungen verfügt. Wenn Sie einen integrierten Aufgabentyp auswählen und eine Vorschau der Auftragnehmervorlage in der Konsole anzeigen möchten, geben Sie eine Rolle an, der der unter Aktivieren der Vorschau von Vorlagen für Auftragnehmeraufgaben beschriebene Richtlinientyp angefügt ist.

  4. Wählen Sie für Task type (Aufgabentyp) den Aufgabentyp aus, den der menschliche Auftragnehmer ausführen soll.

  5. Wenn Sie den Aufgabentyp Amazon Rekognition oder Amazon Textract ausgewählt haben, geben Sie die Bedingungen an, die eine Prüfung durch Menschen hervorrufen.

    • Wählen Sie für Amazon Rekognition Rekognition-Bildmoderationsaufgaben ein Schwellenintervall für den Inferenz-Konfidenzwert aus, das die Prüfung durch Menschen veranlasst.

    • Für Amazon Textract -Aufgaben können Sie eine Prüfung durch Menschen veranlassen, wenn bestimmte Formularschlüssel fehlen oder der Konfidenzwert für die Erkennung von Formularschlüsseln gering ist. Sie können auch eine Prüfung durch Menschen veranlassen, wenn der Konfidenzwert nach der Auswertung aller Formularschlüssel im Text unter dem erforderlichen Schwellenwert für Formularschlüssel liegt. Zwei Variablen geben Ihre Konfidenzschwellen an: Vertrauen der IdentifikationundVertrauen in die Qualifikationaus. Weitere Informationen zu diesen Variablen finden Sie unter Verwenden Sie Amazon Augmented AI mit Amazon Textract.

    • Für beide Aufgabentypen können Sie willkürlich einen Prozentsatz von Datenobjekten (Bilder oder Formulare) und deren Bezeichnungen an Personen zur Prüfung durch Menschen senden.

  6. Konfigurieren Sie Ihre Auftragnehmer-Aufgabenvorlage und geben Sie diese an:

    1. Wenn Sie den Aufgabentyp Amazon Rekognition oder Amazon Textract verwenden:

      1. Gehen Sie im Abschnitt Create template (Vorlage erstellen) wie folgt vor:

        • Wenn Sie Anweisungen für Ihre Mitarbeiter unter Verwendung der Amazon A2I-Standardvorlage für Aufgabentypen Amazon Rekognition und Amazon Textract erstellen möchten, wählen SieAus einer Standardvorlage erstellenaus.

          • Wenn Sie Build form a default template (Anhand von Standardvorlage erstellen) auswählen, erstellen Sie Ihre Anweisungen unter Worker task design (Auftragnehmer-Aufgabenentwurf):

            • Geben Sie einen Template name (Vorlagennamen) an, der in der AWS-Region, in der Sie sich befinden, eindeutig ist.

            • Geben Sie im Abschnitt Instructions (Anweisungen) ausführliche Anweisungen zum Durchführen Ihrer Aufgabe an. Um Auftragnehmern dabei zu helfen, eine höhere Genauigkeit zu erreichen, geben Sie gute und schlechte Beispiele an.

            • (Optional) Stellen Sie Ihren Auftragnehmern unter Additional instructions (Zusätzliche Anweisungen) zusätzliche Informationen und Anweisungen zur Verfügung.

              Informationen zum Erstellen effektiver Anweisungen finden Sie unter Erstellen von guten Anweisungen für Auftragnehmer.

        • Um eine von Ihnen erstellte benutzerdefinierte Vorlage auszuwählen, wählen Sie die Vorlage im Menü Template (Vorlage) aus und geben Sie eine Task description (Aufgabenbeschreibung) an, um die Aufgabe für Ihre Arbeitskräfte kurz zu beschreiben. Informationen zum Erstellen einer benutzerdefinierten Vorlage finden Sie unter Erstellen einer Vorlage für Auftragnehmeraufgaben.

    2. Bei Verwendung des benutzerdefinierten Aufgabentyps:

      1. In derVorlage für Worker-AufgabenWählen Sie Ihre Vorlage aus der Liste aus. Alle Vorlagen, die Sie in der SageMaker-Konsole erstellt haben, werden in dieser Liste angezeigt. Informationen zum Erstellen einer Vorlage für benutzerdefinierte Aufgabentypen finden Sie unter Erstellen und Verwalten von Worker-Task-Vorlagen.

  7. (Optional) Vorschau der Auftragnehmervorlage:

    Für Aufgabentypen von Amazon Rekognition und Amazon Texttract haben Sie die Möglichkeit zu wählenSehen Sie sich eine Beispielarbeitsaufgabe anum eine Vorschau Ihrer Worker-Task-Benutzeroberfläche anzuzeigen.

    Wenn Sie eine Flow-Definition für einen benutzerdefinierten Aufgabentyp erstellen, können Sie mithilfe der Operation RenderUiTemplateeine Vorschau der Benutzeroberfläche für Auftragnehmeraufgaben anzeigen. Weitere Informationen finden Sie unter Vorschau einer Vorlage für Auftragnehmeraufgaben .

  8. Wählen Sie für Workers (Auftragnehmer) einen Arbeitskräftetyp aus.

  9. Wählen Sie Create (Erstellen) aus.

Nächste Schritte

Nachdem Sie einen Workflow für die Prüfung durch Menschen erstellt haben, wird er in der Konsole unter Human review workflows (Workflows für die Prüfung durch Menschen) angezeigt. Um den Amazon-Ressourcennamen (ARN) und die Konfigurationsdetails Ihrer Flow-Definition anzuzeigen, wählen Sie den Workflow durch Auswahl seines Namens aus.

Wenn Sie einen integrierten Aufgabentyp verwenden, können Sie den ARN der Flow-Definition verwenden, um eine Schleife für die Prüfung durch Menschen (Human Loop) unter VerwendungAWSDie API des Dienstes (z. B. die Amazon Textract Textract-API). Für benutzerdefinierte Aufgabentypen können Sie den ARN verwenden, um eine Schleife für die Prüfung durch Menschen unter Verwendung der Amazon Augmented AI Runtime -API zu starten. Weitere Informationen zu beiden Optionen finden Sie unter Erstellen und Starten einer Human Loop.

Erstellen eines Workflows für die Prüfung durch Menschen (Human Review) (API)

Um eine Flow-Definition unter Verwendung der SageMaker-API zu erstellen, verwenden Sie dieCreateFlowDefinitionverwenden. Nachdem Sie dieVoraussetzungen für die Verwendung von Augmented AIverwenden Sie das folgende Verfahren, um zu erfahren, wie Sie diese API-Operation verwenden können.

Eine Übersicht über dieCreateFlowDefinition-Operation und Details zu den einzelnen Parametern finden Sie unterCreateFlowDefinitionaus.

So erstellen Sie eine Flow-Definition (API)

  1. Geben Sie für FlowDefinitionName einen eindeutigen Namen ein. Der Name muss innerhalb der AWS-Region in Ihrem Konto eindeutig sein und darf bis zu 63 Zeichen enthalten. Gültige Zeichen sind: a - z, 0 - 9 und - (Bindestrich).

  2. Geben Sie für RoleArn den ARN der Rolle ein, die Sie konfiguriert haben, um Zugriff auf Ihre Datenquellen zu gewähren.

  3. Geben Sie für HumanLoopConfig Informationen zu den Arbeitskräften und zu den gewünschten Informationen ein. Weitere Informationen zu den einzelnen Parametern in HumanLoopConfig finden Sie unter HumanLoopConfig.

  4. (Optional) Wenn Sie einen integrierten Aufgabentyp verwenden, stellen Sie Bedingungen bereit, die eine Schleife für die Prüfung durch Menschen in veranlassen.HumanLoopActivationConfigaus. Informationen zum Erstellen der Eingabe, die für den Parameter HumanLoopActivationConfig erforderlich ist, finden Sie unter JSON-Schema für Bedingungen zur Aktivierung einer Schleife für die Prüfung durch Menschen (Human Loop). Wenn Sie hier keine Bedingungen angeben, wenn Sie eine Flow-Definition für dieAWS-Dienst, der mit einem integrierten Aufgabentyp (z. B. Amazon Textract oder Amazon Rekognition) verknüpft ist, sendet dieser Service jede Aufgabe zur Überprüfung an einen menschlichen Mitarbeiter.

    Wenn Sie einen benutzerdefinierten Aufgabentyp verwenden, ist HumanLoopActivationConfig deaktiviert. Informationen zum Steuern, wann Aufgaben mithilfe eines benutzerdefinierten Aufgabentyps an menschliche Mitarbeiter gesendet werden, finden Sie unter Verwenden von Amazon Augmented AI mit benutzerdefinierten Aufgabentypen.

  5. (Optional) Wenn Sie einen integrierten Aufgabentyp verwenden, geben Sie die Integrationsquelle (z. B. Amazon Rekognition oder Amazon Textract) in derHumanloopRequestSource-Parameter.

  6. FürOutputConfigGeben Sie an, wo in Amazon Simple Storage Service (Amazon S3) die Ausgabe der menschlichen Schleife gespeichert werden soll.

  7. (Optional) VerwendenTagsUm Schlüssel-Wert-Paare einzugeben, die Ihnen beim Kategorisieren und Organisieren einer Flow-Definition helfen. Jedes Tag besteht aus einem Schlüssel und einem Wert, die Sie beide selbst definieren können.

Amazon Textract – Key-value pair extraction

Im Folgenden finden Sie ein Beispiel für eine Anforderung, einen Workflow für die Prüfung durch Menschen Amazon Textract) für die Prüfung durch Menschen (Flow-Definition) unter Verwendung derAWS SDK for Python (Boto3)aus. Sie müssen verwenden.'AWS/Textract/AnalyzeDocument/Forms/V1'Um eine Schleife für die Prüfung durch Menschen durch Amazon Textract zu erstellen. Nur einschließenPublicWorkforceTaskPricewenn Sie die Belegschaft von Mechanical Turk einsetzen.

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

Im Folgenden finden Sie ein Beispiel für eine Anforderung, einen Workflow für die Prüfung durch Menschen (Flow-Definition) von Amazon Rekognition unter Verwendung derAWS SDK for Python (Boto3)aus. Sie müssen verwenden.'AWS/Rekognition/DetectModerationLabels/Image/V3'Um eine Flow-Definition von Amazon Rekognition zu erstellen. Nur einschließenPublicWorkforceTaskPricewenn Sie die Belegschaft von Mechanical Turk einsetzen.

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

Im Folgenden finden Sie ein Beispiel für eine Anforderung, einen Workflow für die Prüfung durch Menschen (Flow-Definition) für eine benutzerdefinierte Integration zu erstellen. Um diese Art von menschlicher Überprüfungs-Workflow zu erstellen, lassen SieHumanLoopRequestSourceaus der Flow-Definitionsanforderung. Sie müssen nur einschließenPublicWorkforceTaskPricewenn Sie die Belegschaft von Mechanical Turk einsetzen.

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' }, ] )

Nächste Schritte

Der Rückgabewert eines erfolgreichen Aufrufs der API-Operation CreateFlowDefinition ist der Amazon-Ressourcenname (ARN) einer Flow-Definition.

Wenn Sie einen integrierten Aufgabentyp verwenden, können Sie den ARN der Flow-Definition verwenden, um eine Schleife für die Prüfung durch Menschen (Human Loop) unter VerwendungAWSDie API des Dienstes (d. h. die Amazon Textract Textract-API). Für benutzerdefinierte Aufgabentypen können Sie den ARN verwenden, um eine Schleife für die Prüfung durch Menschen unter Verwendung der Amazon Augmented AI Runtime -API zu starten. Weitere Informationen zu diesen beiden Optionen finden Sie unter Erstellen und Starten einer Human Loop.