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.
Ausgabedaten von Amazon A2I
Wenn Ihr Workflow für maschinelles Lernen Amazon A2I ein Datenobjekt sendet, wird einmenschliche Schleifewird erstellt und menschliche Gutachter erhalten eineAufgabeum dieses Datenobjekt zu überprüfen. Die Ausgabedaten jeder menschlichen Überprüfungsaufgabe werden im Ausgabe-Bucket Amazon Simple Storage Service (Amazon S3) gespeichert, den Sie in Ihrem Arbeitsablauf für menschliche Überprüfung angeben. Im Pfad zu den Daten
repräsentiert das Erstellungsdatum der menschlichen Schleife mit Jahr (YYYY
/MM
/DD
/hh
/mm
/ss
YYYY
), Monat (MM
) und Tag (DD
) und die Erstellungszeit mit Stunde (hh
), Minute (mm
) und zweitens (ss
) enthalten.
s3://
customer-output-bucket-specified-in-flow-definition
/flow-definition-name
/YYYY
/MM
/DD
/hh
/mm
/ss
/human-loop-name
/output.json
Der Inhalt Ihrer Ausgabedaten hängt von der Art derAufgabentyp(eingebaut oder benutzerdefiniert) und die Art vonBelegschaftSie verwenden. Ihre Ausgabedaten enthalten immer die Antwort des menschlichen Arbeiters. Darüber hinaus können Ausgabedaten Metadaten über die menschliche Schleife, den menschlichen Rezensenten (Worker) und das Datenobjekt enthalten.
In den folgenden Abschnitten erfahren Sie mehr über das Amazon A2I-Ausgabedatenformat für verschiedene Aufgabentypen und Arbeitskräfte.
Daten aus integrierten Task-Typen ausgeben
Zu den integrierten Aufgabentypen von Amazon A2I gehören Amazon Textract und Amazon Rekognition. Neben den menschlichen Reaktionen enthalten die Ausgabedaten einer dieser Aufgaben Details über den Grund, warum die menschliche Schleife erstellt wurde, und Informationen über den integrierten Dienst, der zur Erstellung der menschlichen Schleife verwendet wird. In der folgenden Tabelle erfahren Sie mehr über das Ausgabedatenschema für alle integrierten Aufgabentypen. DieWertfür jeden dieser Parameter hängt von dem Service ab, den Sie mit Amazon A2I verwenden. Weitere Informationen zu diesen dienstspezifischen Werten finden Sie in der zweiten Tabelle in diesem Abschnitt.
Parameter | Wert-Typ | Beispielwerte | Beschreibung |
---|---|---|---|
awsManagedHumanLoopRequestSource |
String (Zeichenfolge) |
AWS/Rekognition/DetectModerationLabels/Image/V3 oder AWS/Textract/AnalyzeDocument/Forms/V1 |
Der API-Betrieb und zugehörigeAWSDienste, die beantragt haben, dass Amazon A2I eine menschliche Schleife erstellt. Dies ist der API-Vorgang, den Sie verwenden, um Ihre Amazon A2I Human Loop zu konfigurieren. |
flowDefinitionArn |
String (Zeichenfolge) |
arn:aws:sagemaker:us-west-2: |
Die Amazon-Ressourcennummer (ARN) des Workflows für die menschliche Überprüfung (Flow-Definition), mit der die menschliche Schleife erstellt wird. |
humanAnswers |
Liste der JSON-Objekte |
oder
|
Eine Liste von JSON-Objekten, die Workerantworten enthaltenanswerContent aus. Dieses Objekt enthält auch Details zur Übermittlung und, wenn eine private Belegschaft verwendet wurde, Mitarbeiter-Metadaten. Weitere Informationen hierzu finden Sie unter Nachverfolgen der Workeraktivitäten. Für Ausgabedaten von Human Loop, die von Amazon Rekognition produziert werden |
humanLoopName |
String (Zeichenfolge) |
|
Der Name der menschliche (Human Loop). |
inputContent |
JSON-Objekt |
|
Der Eingabe-Inhalt derAWSService, der an Amazon A2I gesendet wurde, als die Erstellung einer menschlichen Schleife angefordert wurde. |
aiServiceRequest |
JSON-Objekt |
oder
|
Die ursprüngliche Anforderung, die an dasAWSIn Amazon A2I integrierter Service. Wenn Sie beispielsweise Amazon Rekognition mit Amazon A2I verwenden, schließt dies die Anfrage ein, die über den API-Vorgang gestellt wurde |
aiServiceResponse |
JSON-Objekt |
oder
|
Die vollständige Antwort von derAWSService-Service. Dies sind die Daten, die verwendet werden, um festzustellen, ob eine menschliche Überprüfung erforderlich ist. Dieses Objekt kann Metadaten über das Datenobjekt enthalten, das nicht mit menschlichen Rezensenten geteilt wird. |
selectedAiServiceResponse |
JSON-Objekt |
oder
|
Die Teilmenge der Alle Datenobjekte, die in |
humanTaskActivationConditionResults |
JSON-Objekt |
|
Ein JSON-Objekt in |
Wählen Sie eine Registerkarte in der folgenden Tabelle aus, um mehr über die aufgabentypspezifischen Parameter zu erfahren, und sehen Sie sich einen Beispielausgabedaten-Codeblock für jeden der integrierten Aufgabentypen an.
Ausgabedaten von benutzerdefinierten Aufgabentypen
Wenn Sie Amazon A2I zu einem benutzerdefinierten Arbeitsablauf für menschliche Überprüfung hinzufügen, sehen Sie die folgenden Parameter in den Ausgabedaten, die von menschlichen Überprüfungsaufgaben zurückgegeben wurden.
Parameter | Wert-Typ | Beschreibung |
---|---|---|
|
String (Zeichenfolge) |
Die Amazon-Ressourcennummer (ARN) des Workflows für die menschliche Überprüfung (Flow-Definition), mit der die menschliche Schleife erstellt wird. |
|
Liste der JSON-Objekte |
Eine Liste von JSON-Objekten, die Workerantworten enthaltenanswerContent aus. Der Wert in diesem Parameter wird durch die Ausgabe bestimmt, die von IhremVorlage für Auftragnehmeraufgabenaus. Wenn Sie eine private Belegschaft verwenden, sind Mitarbeiter-Metadaten enthalten. Weitere Informationen hierzu finden Sie unter Nachverfolgen der Workeraktivitäten. |
|
String (Zeichenfolge) | Der Name der menschliche (Human Loop). |
|
JSON-Objekt |
Der Eingabe-Inhalt, der in der Anfrage an Amazon A2I gesendet wurde |
Im Folgenden finden Sie ein Beispiel für die Ausgabe von Daten aus einer benutzerdefinierten Integration mit Amazon A2I und Amazon Transcribe. In diesem Beispiel fehlt bei der AktioninputContent
besteht aus Folgendem:
-
Ein Pfad zu einer .mp4-Datei in Amazon S3 und der Videotitel
-
Die von Amazon Transcribe zurückgegebene Transkription (analysiert aus Amazon Transcribe Transcribe-Ausgabedaten)
-
Eine Start- und Endzeit, die von der Worker-Aufgabenvorlage verwendet wird, um die MP4-Datei zu schneiden und den Arbeitern einen relevanten Teil des Videos anzuzeigen
{ "flowDefinitionArn": "arn:aws:sagemaker:us-west-2:
111122223333
:flow-definition/flow-definition-name
", "humanAnswers": [ { "answerContent": { "transcription": "use lambda to turn your notebook" }, "submissionTime": "2020-06-18T17:08:26.246Z", "workerId": "ef7294f850a3d9d1", "workerMetadata": { "identityData": { "identityProviderType": "Cognito", "issuer": "https://cognito-idp.us-west-2.amazonaws.com/us-west-2_111111
", "sub": "c6aa8eb7-9944-42e9-a6b9-
" } } } ], "humanLoopName": "111122223333
human-loop-name
", "inputContent": { "audioPath": "s3:///a2i_transcribe_demo/Fully-Managed Notebook Instances with Amazon SageMaker - a Deep Dive.mp4", "end_time": 950.27, "original_words": "but definitely use Lambda to turn your ", "start_time": 948.51, "video_title": "Fully-Managed Notebook Instances with Amazon SageMaker - a Deep Dive.mp4" } }
DOC-EXAMPLE-BUCKET1
Nachverfolgen der Workeraktivitäten
Amazon A2I bietet Informationen, mit denen Sie einzelne Mitarbeiter in Aufgabenausgabedaten verfolgen können. Um den Mitarbeiter zu identifizieren, der an der Aufgabe zur Überprüfung von Menschen gearbeitet hat, verwenden Sie Folgendes aus den Ausgabedaten in Amazon S3:
-
Die
acceptanceTime
ist die Zeit, in der der Arbeiter die Aufgabe annahm. Das Format dieses Datums- und Zeitstempels lautetYYYY-MM-DDTHH:MM:SS.mmmZ
für das Jahr (YYYY
), Monat (MM
), Tag (DD
), Stunde (HH
), Minute (MM
), zweite (SS
) und Millisekunde (mmm
) enthalten. Datum und Uhrzeit werden durch ein getrenntTaus. -
Die
submissionTime
ist die Zeit, in der die Arbeitskraft seine Anmerkungen mit demEinreichen-Schaltfläche. Das Format dieses Datums- und Zeitstempels lautetYYYY-MM-DDTHH:MM:SS.mmmZ
für das Jahr (YYYY
), Monat (MM
), Tag (DD
), Stunde (HH
), Minute (MM
), zweite (SS
) und Millisekunde (mmm
) enthalten. Datum und Uhrzeit werden durch ein getrenntTaus. -
timeSpentInSeconds
meldet die Gesamtzeit in Sekunden, in der ein Arbeiter aktiv an dieser Aufgabe gearbeitet hat. Diese Metrik beinhaltet keine Zeit, in der ein Arbeiter pausiert oder eine Pause eingelegt hat. -
Die
workerId
ist für jeden Worker spezifisch. -
Wenn Sie einPrivate Arbeitskräfte, in
workerMetadata
, sehen Sie folgendes.-
Die
identityProviderType
ist der Service, der für die Verwaltung der privaten Arbeitskräfte verwendet wird. -
Die
issuer
ist der Amazon Cognito Cognito-Benutzerpool oder OpenID Connect (OIDC) Identity Provider (IdP) -Aussteller, der mit dem Worker-Team verknüpft ist, das dieser Aufgabe für die menschliche Überprüfung zugeordnet ist. -
Ein einzigartiges
sub
Bezeichner bezieht sich auf den Worker. Wenn Sie mit Amazon Cognito eine Arbeitskräfte erstellen, können Sie mithilfe von Amazon Cognito Details zu dieser Worker (z. B. Namen oder Benutzernamen) abrufen, die dieser ID zugeordnet sind. Weitere Informationen erhalten Sie unterVerwalten von und Suchen nach BenutzerkonteninAmazon Cognito-Entwicklerhandbuchaus.
-
Im Folgenden finden Sie ein Beispiel für die Ausgabe, die Sie möglicherweise sehen, wenn Sie Amazon Cognito verwenden, um eine private Belegschaft zu erstellen. Dies ist imidentityProviderType
aus.
"submissionTime": "2020-12-28T18:59:58.321Z", "acceptanceTime": "2020-12-28T18:59:15.191Z", "timeSpentInSeconds": 40.543, "workerId": "a12b3cdefg4h5i67", "workerMetadata": { "identityData": { "identityProviderType": "Cognito", "issuer": "https://cognito-idp.aws-region.amazonaws.com/aws-region_123456789", "sub": "aaaaaaaa-bbbb-cccc-dddd-eeeeeeeeeeee" } }
Im Folgenden finden Sie ein Beispiel für die Ausgabe, die Sie sehen können, wenn Sie Ihren eigenen OIDC-IdP verwenden, um eine private Belegschaft zu erstellen:
"workerMetadata": { "identityData": { "identityProviderType": "Oidc", "issuer": "https://example-oidc-ipd.com/adfs", "sub": "aaaaaaaa-bbbb-cccc-dddd-eeeeeeeeeeee" } }
Weitere Informationen zur Verwendung privater Arbeitskräfte finden Sie unterVerwenden von privaten Arbeitskräftenaus.