為模型加上標籤

您可以使用標籤來識別、組織、搜尋和篩選 Amazon Rekognition 模型。每個標籤都是由使用者定義的津要和值組成的標籤。例如，若要協助判斷模型的計費方式，請使用Cost center金鑰標記模型，並新增適當的成本中心編號作為值。如需詳細資訊，請參閱標記 AWS 資源。

使用標籤可：

使用成本分配標籤追蹤模型的帳單。如需詳細資訊，請參閱使用成本分配標籤。
使用身分和存取權限 (IAM) 控制對模型的存取權限。如需詳細資訊，請參閱使用AWS資源標籤控制對資源的存取權限。
自動化模型管理。例如，您可以執行自動啟動或停止指令碼，在非上班時間關閉開發模型以降低成本。如需詳細資訊，請參閱執行培訓過的 Amazon Rekognition 自訂標籤模型。

您可以使用 Amazon Rekognition 主控台或使用AWS軟體開發套件來標記模型。

標記模型 (主控台)

您可以使用 Rekognition 主控台為模型新增標籤、檢視附加至模型的標籤，以及移除標籤。

新增或移除標籤

此程序說明如何在現有模型中新增標籤或從中移除標籤。您也可以在訓練後將標籤新增到新模型。如需詳細資訊，請參閱訓練 Amazon Rekognition 自訂標籤模型。

使用主控台將標籤新增至現有模型或從中移除標籤

開啟亞馬遜重新認知主控台，網址為 https://console.aws.amazon.com/rekognition/。
選擇 Get started (開始使用)。
在導覽窗格中，選擇 Projects (專案)。
在 Pro jects Resource (Projects) 頁面上，選擇包含您想要您想要標籤的模型的專案。
在導覽窗格中，選擇您先前選擇的專案下，選擇 Models (模型)。
在「模型」區段中，選擇您要新增標籤的模型。
在模型的詳細資訊頁面上，選擇 Tags (標籤) 索引標籤。
在 Tags (標籤) 區段中，選擇 Manage tags (管理標籤)。
在「管理標籤」頁面上，選擇「新增標籤」。
輸入索引鍵和值。
1. 針對 Key (索引鍵)，輸入金鑰的名稱。
2. 針對 Value (值)，輸入值。
若要新增更多標籤，請重複步驟 9 和 10。
(選擇性) 若要移除標籤，請在您想要移除的標籤旁邊選擇 Remove (選擇性)。如果您要移除先前儲存的標籤，則會在您儲存變更時移除該標籤。
請選擇 Save changes (儲存變更) 儲存您所做的變更。

檢視模型標籤

您可以使用 Amazon Rekognition 主控台來檢視連接至模型的標籤。

若要檢視專案內所有模型附加的標籤，您必須使用 AWS 開發套件。如需詳細資訊，請參閱列出模型標籤。

檢視連接至模型的標籤

開啟亞馬遜重新認知主控台，網址為 https://console.aws.amazon.com/rekognition/。
選擇 Get started (開始使用)。
在導覽窗格中，選擇 Projects (專案)。
在 [專案資源] 頁面上，選擇包含您要檢視其標籤之模型的專案。
在導覽窗格中，選擇您先前選擇的專案下，選擇 Models (模型)。
在 Mo de ations (模型) 部分，選擇您想要檢視其標籤的模型。
在模型的詳細資訊頁面上，選擇 Tags (標籤) 索引標籤。標籤會顯示在「標籤」區段中。

標記模型 (SDK)

您可以使用AWS SDK 來：

將標籤新增到新模型
將標籤新增到現有模型
列出附加到模型的標籤
從模型移除標籤

下列AWS CLI範例中的標籤格式如下。


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

或者，您可以使用此格式。


--tags key1=value1,key2=value2

如果您尚未安裝AWS CLI，請參閱步驟 4：設定 AWS CLI 和開 AWS 發套件。

將標籤新增到新模型

您可以在您建立模型時，將標籤新增到模型中CreateProjectVersion。在Tags陣列輸入參數中指定一或多個標籤。


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

如需建立和訓練模型的資訊，請參閱訓練模型 (SDK)。

將標籤新增到現有模型

若要將一或多個標籤新增至現有模型，請使用此TagResource作業。指定要您想要新增的模型的 Amazon Resource Name (ARNResourceArn) (Tags) 和您想要新增的標籤 ()。以下範例將說明如何新增兩個標籤。


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

您可以通過調用來獲取模型的 ARN CreateProjectVersion。

列出模型標籤

若要列出貼附至模型的標籤，請使用ListTagsForResource操作並指定模型的 ARN (ResourceArn)。響應是連接到指定模型標籤鍵和值的映射。


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

輸出會顯示連接至模型的標籤清單。


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

要查看項目中哪些模型具有特定標籤，請調用DescribeProjectVersions以獲取模型列表。然後在響應中調ListTagsForResource用每個模型DescribeProjectVersions。檢查來源的響應ListTagsForResource以查看是否存在所需的標籤。

下面的 Python 3 示例顯示了如何搜索所有項目的特定標籤鍵和值。輸出包括項目 ARN 和模型 ARN，其中一個匹配的密鑰被發現。

若要搜尋標籤值

將下列程式碼儲存為名為的檔案find_tag.py。


# 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()

在命令提示中，輸入以下內容。將鍵和值替換為您要查找的鍵名和鍵值。
```
python find_tag.py key value
```

從模型刪除標籤

若要移除模型的一或多個標籤，請使用該UntagResource操作。指定要移除的模型 (ResourceArn) 和標籤鍵 (Tag-Keys) 的 ARN。


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

或者，您可以使用此tag-keys格式指定。


--tag-keys key1,key2

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

刪除模型

描述一個模型（SDK）