測試註釋前和註釋後 Lambda 函數

您可在 Lambda 主控台測試註釋前與註釋後 Lambda 函式。如您是 Lambda 的新使用者，可透過 AWS Lambda 開發人員指南的主控台利用建立 Lambda 函式教學課程來了解如何在主控台測試或調用 Lambda 函式。您可以使用此頁面的各節，了解如何測試透過 a AWS Serverless Application Repository (SAR) 提供的 Ground Truth 註釋前和註釋後範本。

主題

必要條件
測試註釋前 Lambda 函式
測試註釋後 Lambda 函式

必要條件

您必須執行下列動作，才能採用本頁所述的測試。

您需要 Lambda 主控台的存取權，且您需要權限以便建立及調用 Lambda 函式。若要了解如何設定這些權限，請參閱授予建立和選取 AWS Lambda 函數的許可。
如您尚未部署 Ground Truth SAR 配方，請利用使用 Ground Truth 範本建立 Lambda 函數的程序來執行此操作。

若要測試註釋後 Lambda 函式，您必須在 Amazon S3 擁有包含範例註釋資料的資料檔案。對於簡單測試，您可將下列程式碼複製並貼到檔案，然後另存新檔為 sample-annotations.json 並將其上傳到 Amazon S3。請注意此檔案的 S3 URI，您需要此資訊才能設定註釋後 Lambda 測試。


[{"datasetObjectId":"0","dataObject":{"content":"To train a machine learning model, you need a large, high-quality, labeled dataset. Ground Truth helps you build high-quality training datasets for your machine learning models."},"annotations":[{"workerId":"private.us-west-2.0123456789","annotationData":{"content":"{\"crowd-entity-annotation\":{\"entities\":[{\"endOffset\":8,\"label\":\"verb\",\"startOffset\":3},{\"endOffset\":27,\"label\":\"adjective\",\"startOffset\":11},{\"endOffset\":33,\"label\":\"object\",\"startOffset\":28},{\"endOffset\":51,\"label\":\"adjective\",\"startOffset\":46},{\"endOffset\":65,\"label\":\"adjective\",\"startOffset\":53},{\"endOffset\":74,\"label\":\"adjective\",\"startOffset\":67},{\"endOffset\":82,\"label\":\"adjective\",\"startOffset\":75},{\"endOffset\":102,\"label\":\"verb\",\"startOffset\":97},{\"endOffset\":112,\"label\":\"verb\",\"startOffset\":107},{\"endOffset\":125,\"label\":\"adjective\",\"startOffset\":113},{\"endOffset\":134,\"label\":\"adjective\",\"startOffset\":126},{\"endOffset\":143,\"label\":\"object\",\"startOffset\":135},{\"endOffset\":169,\"label\":\"adjective\",\"startOffset\":153},{\"endOffset\":176,\"label\":\"object\",\"startOffset\":170}]}}"}}]},{"datasetObjectId":"1","dataObject":{"content":"Sift 3 cups of flour into the bowl."},"annotations":[{"workerId":"private.us-west-2.0123456789","annotationData":{"content":"{\"crowd-entity-annotation\":{\"entities\":[{\"endOffset\":4,\"label\":\"verb\",\"startOffset\":0},{\"endOffset\":6,\"label\":\"number\",\"startOffset\":5},{\"endOffset\":20,\"label\":\"object\",\"startOffset\":15},{\"endOffset\":34,\"label\":\"object\",\"startOffset\":30}]}}"}}]},{"datasetObjectId":"2","dataObject":{"content":"Jen purchased 10 shares of the stock on Janurary 1st, 2020."},"annotations":[{"workerId":"private.us-west-2.0123456789","annotationData":{"content":"{\"crowd-entity-annotation\":{\"entities\":[{\"endOffset\":3,\"label\":\"person\",\"startOffset\":0},{\"endOffset\":13,\"label\":\"verb\",\"startOffset\":4},{\"endOffset\":16,\"label\":\"number\",\"startOffset\":14},{\"endOffset\":58,\"label\":\"date\",\"startOffset\":40}]}}"}}]},{"datasetObjectId":"3","dataObject":{"content":"The narrative was interesting, however the character development was weak."},"annotations":[{"workerId":"private.us-west-2.0123456789","annotationData":{"content":"{\"crowd-entity-annotation\":{\"entities\":[{\"endOffset\":29,\"label\":\"adjective\",\"startOffset\":18},{\"endOffset\":73,\"label\":\"adjective\",\"startOffset\":69}]}}"}}]}]

您必須使用中的指示授予註釋後 Lambda 權限以便存取註釋，授予註釋後 Lambda 函數的執行角色許可，以擔任您用來建立標籤工作的 SageMaker AI 執行角色。註釋後 Lambda 函數使用 SageMaker AI 執行角色來存取 S3 sample-annotations.json中的註釋資料檔案。

測試註釋前 Lambda 函式

使用下列程序來測試部署 Ground Truth AWS Serverless Application Repository (SAR) 配方時建立的註釋前 Lambda 函數。

測試 Ground Truth SAR 配方註釋前 Lambda 函式

開啟 Lambda 主控台的 Functions (函式) 頁面。
從 Ground Truth SAR 配方選取部署的註釋前函式。此函式名稱類似 serverlessrepo-aws-sagema-GtRecipePreHumanTaskFunc-<id>。
在 Code source (程式碼來源) 區段，選取 Test (測試) 旁邊的箭頭。
選取 Configure test event (設定測試事件)。
保持選取 Create new test event (建立新測試事件) 選項。
從 Event template (事件範本)，選取 SageMaker Ground Truth PreHumanTask。
為測試指定 Event name (事件名稱)。
選取建立。
再次選取 Test (測試) 旁邊的箭頭，您應會看到已選取您建立的測試 (由事件名稱以點表示)。如未選取，請選取。
選取 Test (測試)，即可執行測試。

在執行測試之後，您可看到 Execution results (執行結果)。您應會在 Function logs (函式日誌) 看到類似下列回應：


START RequestId: cd117d38-8365-4e1a-bffb-0dcd631a878f Version: $LATEST
Received event: {
  "version": "2018-10-16",
  "labelingJobArn": "arn:aws:sagemaker:us-east-2:123456789012:labeling-job/example-job",
  "dataObject": {
    "source-ref": "s3://sagemakerexample/object_to_annotate.jpg"
  }
}
{'taskInput': {'taskObject': 's3://sagemakerexample/object_to_annotate.jpg'}, 'isHumanAnnotationRequired': 'true'}
END RequestId: cd117d38-8365-4e1a-bffb-0dcd631a878f
REPORT RequestId: cd117d38-8365-4e1a-bffb-0dcd631a878f	Duration: 0.42 ms	Billed Duration: 1 ms	Memory Size: 128 MB	Max Memory Used: 43 MB

我們可在此回應看到 Lambda 函式的輸出符合所需的註釋前回應語法：


{'taskInput': {'taskObject': 's3://sagemakerexample/object_to_annotate.jpg'}, 'isHumanAnnotationRequired': 'true'}

測試註釋後 Lambda 函式

使用下列程序來測試部署 Ground Truth AWS Serverless Application Repository (SAR) 配方時建立的註釋後 Lambda 函數。

測試 Ground Truth SAR 配方註釋後 Lambda

開啟 Lambda 主控台的 Functions (函式) 頁面。
從 Ground Truth SAR 配方選取部署的註釋後函式。此函式名稱類似 serverlessrepo-aws-sagema-GtRecipeAnnotationConsol-<id>。
在 Code source (程式碼來源) 區段，選取 Test (測試) 旁邊的箭頭。
選取 Configure test event (設定測試事件)。
保持選取 Create new test event (建立新測試事件) 選項。
在 Event template (事件範本)，選取 SageMaker Ground Truth AnnotationConsolidation。
為測試指定 Event name (事件名稱)。
修改提供的範本程式碼，如下所示：
- 將中的 Amazon Resource Name (ARN) 取代roleArn為您用來建立標籤工作的 SageMaker AI 執行角色的 ARN。
- 將 s3Uri 的 S3 URI 取代為您新增至 Amazon S3 sample-annotations.json 檔案的 URI。
在進行這些修改之後，測試會看起來類似以下內容：
```
{
  "version": "2018-10-16",
  "labelingJobArn": "arn:aws:sagemaker:us-east-2:123456789012:labeling-job/example-job",
  "labelAttributeName": "example-attribute",
  "roleArn": "arn:aws:iam::222222222222:role/sm-execution-role",
  "payload": {
    "s3Uri": "s3://your-bucket/sample-annotations.json"
  }
}
```
選取建立。
再次選取 Test (測試) 旁邊的箭頭，您應會看到已選取您建立的測試 (由事件名稱以點表示)。如未選取，請選取。
選擇 Test (測試)，即可執行測試。

在執行測試之後，您應會在 Function Logs (函式日誌) 看見 -- Consolidated Output -- 區段，其中包含 sample-annotations.json 的所有註釋清單。

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

使用 Ground Truth 範本建立 Lambda 函數

示範：使用 crowd-bounding-box 註釋影像