标记模型

可以使用标签识别、整理、搜索和筛选 Amazon Rekognition 模型。每个标签都是由用户定义的键和值组成的标签。例如，为了帮助确定模型的账单，可使用 Cost center 键标记模型，并添加相应的成本中心编号作为值。有关更多信息，请参阅标记 AWS 资源。

可以使用标签执行以下操作：

使用成本分配标签跟踪模型的账单。有关更多信息，请参阅使用成本分配标签。
可以使用 Identity and Access Management (IAM) 控制对模型的访问。有关更多信息，请参阅使用资源标签控制对 AWS 资源的访问。
自动管理模型。例如，可以运行自动启动或停止脚本，这些脚本可在非工作时间内关闭开发模型以降低成本。有关更多信息，请参阅运行经过训练的 Amazon Rekognition Custom Labels 模型。

可以使用 Amazon Rekognition 控制台或 AWS SDK 来标记模型。

标记模型（控制台）

可以使用 Rekognition 控制台为模型添加标签、查看附加到模型的标签以及移除标签。

添加或删除标签

此过程说明了如何向现有模型添加标签或从现有模型中移除标签。也可以在训练新模型后向其添加标签。有关更多信息，请参阅训练 Amazon Rekognition Custom Labels 模型。

使用控制台向现有模型添加标签或从现有模型中移除标签

通过以下网址打开 Amazon Rekognition 控制台：https://console.aws.amazon.com/rekognition/。
选择开始。
在导航窗格中，选择项目。
在项目资源页面上，选择包含要标记的模型的项目。
在导航窗格中，于之前选择的项目下，选择模型。
在模型部分中，选择要为其添加标签的模型。
在模型的详细信息页面上，选择标签选项卡。
在标签部分中，选择管理标签。
在管理标签页面上，选择添加新标签。
输入键和值。
1. 对于键，输入键名称。
2. 对于值，输入值。
要添加更多标签，请重复步骤 9 和 10。
（可选）要移除标签，请选择要移除的标签旁的移除。如果移除的是先前保存的标签，则会在保存更改时将其移除。
选择保存更改以保存您的更改。

查看模型标签

可以使用 Amazon Rekognition 控制台查看附加到模型的标签。

要查看附加到项目内所有模型的标签，必须使用 AWS SDK。有关更多信息，请参阅列出模型标签。

查看附加到模型的标签

通过以下网址打开 Amazon Rekognition 控制台：https://console.aws.amazon.com/rekognition/。
选择开始。
在导航窗格中，选择项目。
在项目资源页面上，选择包含要查看其标签的模型的项目。
在导航窗格中，于之前选择的项目下，选择模型。
在模型部分中，选择要查看其标签的模型。
在模型的详细信息页面上，选择标签选项卡。标签部分中便会显示标签。

标记模型 (SDK)

可以使用 AWS SDK 执行以下操作：

向新模型添加标签
向现有模型添加标签
列出附加到模型的标签
从模型中移除标签

以下 AWS CLI 示例中的标签采用以下格式。


--tags '{"key1":"value1","key2":"value2"}'

或者，也可以使用此格式。


--tags key1=value1,key2=value2

如果尚未安装 AWS CLI，请参阅步骤 4：设置 AWS CLI 和 AWS SDKs。

向新模型添加标签

您可以在使用 CreateProjectVersion 操作创建模型时向其添加标签。在 Tags 数组输入参数中指定一个或多个标签。


aws rekognition create-project-version --project-arn project arn \
  --version-name version_name \
  --output-config '{ "S3Location": { "Bucket": "output bucket", "Prefix":  "output folder" } }' \
  --tags '{"key1":"value1","key2":"value2"}' \
  --profile custom-labels-access

有关创建和训练模型的信息，请参阅训练模型 (SDK)。

向现有模型添加标签

要向现有模型添加一个或多个标签，请使用 TagResource 操作。指定模型的 Amazon 资源名称 (ARN) (ResourceArn) 和要添加的标签 (Tags)。以下示例说明了如何添加两个标签。


aws rekognition tag-resource --resource-arn resource-arn \
  --tags '{"key1":"value1","key2":"value2"}' \
  --profile custom-labels-access

可通过调用 CreateProjectVersion 获取模型的 ARN。

列出模型标签

要列出附加到模型的标签，请使用 ListTagsForResource 操作并指定模型的 ARN (ResourceArn)。响应是附加到指定模型的标签键和值的映射。


aws rekognition list-tags-for-resource --resource-arn resource-arn \
  --profile custom-labels-access

输出将显示附加到模型的标签列表。


{
    "Tags": {
        "Dept": "Engineering",
        "Name": "Ana Silva Carolina",
        "Role": "Developer"
    }
}

要查看项目中哪些模型具有特定标签，可调用 DescribeProjectVersions 获取模型列表。然后，为 DescribeProjectVersions 响应中的每个模型调用 ListTagsForResource。检查 ListTagsForResource 的响应，看是否存在所需的标签。

以下 Python 3 示例说明了如何在所有项目中搜索特定的标签键和值。输出包含在其中找到匹配键的项目 ARN 和模型 ARN。

搜索标签值

将以下代码保存到名为 find_tag.py 的文件中。


# Copyright Amazon.com, Inc. or its affiliates. All Rights Reserved.
# SPDX-License-Identifier: Apache-2.0
"""
Purpose
Shows how to find a tag value that's associated with models within
your Amazon Rekognition Custom Labels projects.
"""
import logging
import argparse
import boto3

from botocore.exceptions import ClientError


logger = logging.getLogger(__name__)


def find_tag_in_projects(rekognition_client, key, value):
    """
    Finds Amazon Rekognition Custom Label models tagged with the supplied key and key value.
    :param rekognition_client: An Amazon Rekognition boto3 client.
    :param key: The tag key to find.
    :param value: The value of the tag that you want to find.
    return: A list of matching model versions (and model projects) that were found.
    """
    try:

        found_tags = []
        found = False

        projects = rekognition_client.describe_projects()
        # Iterate through each project and models within a project.
        for project in projects["ProjectDescriptions"]:
            logger.info("Searching project: %s ...", project["ProjectArn"])

            models = rekognition_client.describe_project_versions(
                ProjectArn=(project["ProjectArn"])
            )

            for model in models["ProjectVersionDescriptions"]:
                logger.info("Searching model %s", model["ProjectVersionArn"])

                tags = rekognition_client.list_tags_for_resource(
                    ResourceArn=model["ProjectVersionArn"]
                )

                logger.info(
                    "\tSearching model: %s for tag: %s value: %s.",
                    model["ProjectVersionArn"],
                    key,
                    value,
                )
                # Check if tag exists.

                if key in tags["Tags"]:
                    if tags["Tags"][key] == value:
                        found = True
                        logger.info(
                            "\t\tMATCH: Project: %s: model version %s",
                            project["ProjectArn"],
                            model["ProjectVersionArn"],
                        )
                        found_tags.append(
                            {
                                "Project": project["ProjectArn"],
                                "ModelVersion": model["ProjectVersionArn"],
                            }
                        )

        if found is False:
            logger.info("No match for Tag %s with value %s.", key, value)
        return found_tags
    except ClientError as err:
        logger.info("Problem finding tags: %s. ", format(err))
        raise


def main():
    """
    Entry point for example.
    """
    logging.basicConfig(level=logging.INFO,
                        format="%(levelname)s: %(message)s")

    # Set up command line arguments.
    parser = argparse.ArgumentParser(usage=argparse.SUPPRESS)

    parser.add_argument("tag", help="The tag that you want to find.")
    parser.add_argument("value", help="The tag value that you want to find.")

    args = parser.parse_args()
    key = args.tag
    value = args.value

    print(f"Searching your models for tag: {key} with value: {value}.")


    session = boto3.Session(profile_name='custom-labels-access')
    rekognition_client = session.client("rekognition")

    # Get tagged models for all projects.
    tagged_models = find_tag_in_projects(rekognition_client, key, value)

    print("Matched models\n--------------")
    if len(tagged_models) > 0:
        for model in tagged_models:
            print(
                "Project: {project}\nModel version: {version}\n".format(
                    project=model["Project"], version=model["ModelVersion"]
                )
            )

    else:
        print("No matches found.")

    print("Done.")


if __name__ == "__main__":
    main()

在命令提示符处，输入以下命令。将 key 和 value 替换为要查找的键名称和键值。
```
python find_tag.py key value
```

从模型中删除标签

要从模型中移除一个或多个标签，请使用 UntagResource 操作。指定模型的 ARN (ResourceArn) 和要移除的标签键 (Tag-Keys)。


aws rekognition untag-resource --resource-arn resource-arn \
  --tag-keys '["key1","key2"]' \
  --profile custom-labels-access

或者，也可以使用以下格式指定 tag-keys。


--tag-keys key1,key2

Javascript 在您的浏览器中被禁用或不可用。

要使用 Amazon Web Services 文档，必须启用 Javascript。请参阅浏览器的帮助页面以了解相关说明。

文档惯例

删除模型

描述模型 (SDK)