刪除資料集

您可以從專案中刪除訓練和測試資料集。

主題

刪除資料集 (主控台)
刪除 Amazon Rekognition 自訂標籤資料集 (SDK)

刪除資料集 (主控台)

使用下列程序來刪除資料集。之後，如果專案還剩下一個資料集 (訓練或測試)，則會顯示專案詳細資料頁面。如果專案沒有剩餘的資料集，則會顯示「建立資料集」頁面。

如果您刪除訓練資料集，則必須先為專案建立新的訓練資料集，才能訓練模型。如需詳細資訊，請參閱建立包含影像的訓練和測試資料集。

如果您刪除測試資料集，您可以訓練模型，而無需建立新的測試資料集。在訓練期間，會分割訓練資料集，以建立專案的新測試資料集。分割訓練資料集可減少可用於訓練的影像數量。為了維持品質，我們建議您在訓練模型之前先建立新的測試資料集。如需詳細資訊，請參閱將資料集新增至專案。

刪除資料集

開啟亞馬遜重新認知主控台，網址為 https://console.aws.amazon.com/rekognition/。
在左窗格中選擇使用自訂標籤。顯示 Amazon Rekognition 自訂標籤登陸頁面。
在左側導覽窗格中選擇 Projects (專案)。將顯示「專案」檢視。
選擇包含您要刪除之資料集的專案。
在左側導覽窗格中，在專案名稱 (專案名稱) 下，選擇 Datab et
選擇動作
若要刪除訓練資料集，請選擇 [刪除訓練資料集]。
若要刪除測試資料集，請選擇 [刪除測試資料集]。
在 [刪除訓練或測試資料集] 對話方塊中，輸入 delete 以確認您要刪除資料集。
選擇 [刪除訓練] 或 [測試資料集] 以刪除資料集。

刪除 Amazon Rekognition 自訂標籤資料集 (SDK)

資料集的 Amazon Rekognition ource Name (ARN)，請先刪除 Amazon Resource Name (ARN)。DeleteDataset若要取得專案內訓練和測試資料集的 ARN，請呼叫DescribeProjects。該響應包括對ProjectDescription象的數組。資料集 ARN (DatasetArn) 和資料集類型 (DatasetType) 位於Datasets清單中。

如果您刪除訓練資料集，則需要先為專案建立新的訓練資料集，才能訓練模型。如果您刪除測試資料集，您必須先建立新的測試資料集，才能訓練模型。如需詳細資訊，請參閱將資料集新增至專案 (SDK)。

若要刪除資料集 (SDK)

若果您尚未這樣做，請先完成安裝AWS CLI並設定和AWS SDK。如需詳細資訊，請參閱步驟 4：設定 AWS CLI 以及 AWS SDKs。

使用下列程式碼來刪除資料集。

AWS CLI

dataset-arn使用您要刪除之資料集的 ARN。


aws rekognition delete-dataset --dataset-arn dataset-arn \
  --profile custom-labels-access

Python

使用下列程式碼。提供以下命令行參數：

資料集-您要刪除之資料集的 ARN。


# Copyright Amazon.com, Inc. or its affiliates. All Rights Reserved.
# SPDX-License-Identifier: Apache-2.0

"""
Purpose
Shows how to delete an Amazon Rekognition Custom Labels dataset.
"""
import argparse
import logging
import time
import boto3

from botocore.exceptions import ClientError

logger = logging.getLogger(__name__)


def delete_dataset(rek_client, dataset_arn):
    """
    Deletes an Amazon Rekognition Custom Labels dataset.
    :param rek_client: The Amazon Rekognition Custom Labels Boto3 client.
    :param dataset_arn: The ARN of the dataset that you want to delete.
    """

    try:
        # Delete the dataset,
        logger.info("Deleting dataset: %s", dataset_arn)

        rek_client.delete_dataset(DatasetArn=dataset_arn)

        deleted = False

        logger.info("waiting for dataset deletion %s", dataset_arn)

        # Dataset might not be deleted yet, so wait.
        while deleted is False:
            try:
                rek_client.describe_dataset(DatasetArn=dataset_arn)
                time.sleep(5)
            except ClientError as err:
                if err.response['Error']['Code'] == 'ResourceNotFoundException':
                    logger.info("dataset deleted: %s", dataset_arn)
                    deleted = True
                else:
                    raise

        logger.info("dataset deleted: %s", dataset_arn)

        return True

    except ClientError as err:
        logger.exception("Couldn't delete dataset - %s: %s",
                         dataset_arn, err.response['Error']['Message'])
        raise


def add_arguments(parser):
    """
    Adds command line arguments to the parser.
    :param parser: The command line parser.
    """

    parser.add_argument(
        "dataset_arn", help="The ARN of the dataset that you want to delete."
    )


def main():

    logging.basicConfig(level=logging.INFO,
                        format="%(levelname)s: %(message)s")

    try:

        # Get command line arguments.
        parser = argparse.ArgumentParser(usage=argparse.SUPPRESS)
        add_arguments(parser)
        args = parser.parse_args()

        print(f"Deleting dataset: {args.dataset_arn}")

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

        delete_dataset(rekognition_client,
                       args.dataset_arn)

        print(f"Finished deleting dataset: {args.dataset_arn}")

    except ClientError as err:
        error_message = f"Problem deleting dataset: {err}"
        logger.exception(error_message)
        print(error_message)


if __name__ == "__main__":
    main()

Java V2

使用下列程式碼。提供以下命令行參數：

資料集-您要刪除之資料集的 ARN。


/*
   Copyright Amazon.com, Inc. or its affiliates. All Rights Reserved.
   SPDX-License-Identifier: Apache-2.0
*/
package com.example.rekognition;

import java.util.logging.Level;
import java.util.logging.Logger;

import software.amazon.awssdk.auth.credentials.ProfileCredentialsProvider;
import software.amazon.awssdk.regions.Region;
import software.amazon.awssdk.services.rekognition.RekognitionClient;
import software.amazon.awssdk.services.rekognition.model.DeleteDatasetRequest;
import software.amazon.awssdk.services.rekognition.model.DeleteDatasetResponse;
import software.amazon.awssdk.services.rekognition.model.DescribeDatasetRequest;
import software.amazon.awssdk.services.rekognition.model.RekognitionException;

public class DeleteDataset {

    public static final Logger logger = Logger.getLogger(DeleteDataset.class.getName());

    public static void deleteMyDataset(RekognitionClient rekClient, String datasetArn) throws InterruptedException {

        try {

            logger.log(Level.INFO, "Deleting dataset: {0}", datasetArn);

            // Delete the dataset

            DeleteDatasetRequest deleteDatasetRequest = DeleteDatasetRequest.builder().datasetArn(datasetArn).build();

            DeleteDatasetResponse response = rekClient.deleteDataset(deleteDatasetRequest);

            // Wait until deletion finishes

            DescribeDatasetRequest describeDatasetRequest = DescribeDatasetRequest.builder().datasetArn(datasetArn)
                    .build();

            Boolean deleted = false;

            do {

                try {

                    rekClient.describeDataset(describeDatasetRequest);
                    Thread.sleep(5000);
                } catch (RekognitionException e) {
                    String errorCode = e.awsErrorDetails().errorCode();
                    if (errorCode.equals("ResourceNotFoundException")) {
                        logger.log(Level.INFO, "Dataset deleted: {0}", datasetArn);
                        deleted = true;
                    } else {
                        logger.log(Level.SEVERE, "Client error occurred: {0}", e.getMessage());
                        throw e;
                    }

                }

            } while (Boolean.FALSE.equals(deleted));

            logger.log(Level.INFO, "Dataset deleted: {0} ", datasetArn);

        } catch (

        RekognitionException e) {
            logger.log(Level.SEVERE, "Client error occurred: {0}", e.getMessage());
            throw e;
        }

    }

    public static void main(String args[]) {

        final String USAGE = "\n" + "Usage: " + "<dataset_arn>\n\n" + "Where:\n"
                + "   dataset_arn - The ARN of the dataset that you want to delete.\n\n";

        if (args.length != 1) {
            System.out.println(USAGE);
            System.exit(1);
        }

        String datasetArn = args[0];

        try {

            // Get the Rekognition client.
            RekognitionClient rekClient = RekognitionClient.builder()
                .credentialsProvider(ProfileCredentialsProvider.create("custom-labels-access"))
                .region(Region.US_WEST_2)
                .build();


            // Delete the dataset
            deleteMyDataset(rekClient, datasetArn);

            System.out.println(String.format("Dataset deleted: %s", datasetArn));

            rekClient.close();

        } catch (RekognitionException rekError) {
            logger.log(Level.SEVERE, "Rekognition client error: {0}", rekError.getMessage());
            System.exit(1);
        }

        catch (InterruptedException intError) {
            logger.log(Level.SEVERE, "Exception while sleeping: {0}", intError.getMessage());
            System.exit(1);
        }

    }

}

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

發佈訓練資料集 (SDK)

管理模型