Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

# Agregar un conjunto de datos a un proyecto
<a name="md-add-dataset"></a>

Puede agregar un conjunto de datos de entrenamiento o un conjunto de datos de prueba a un proyecto existente. Si quiere reemplazar un conjunto de datos existente, borre primero el conjunto de datos existente. Para obtener más información, consulte [Eliminación de un conjuntos de datos](md-delete-dataset.md). A continuación, agregue el nuevo conjunto de datos. 

**Topics**
+ [Agregar un conjunto de datos a un proyecto (consola)](#md-add-dataset-console)
+ [Agregar un conjunto de datos a un proyecto (SDK)](#md-add-dataset-sdk)

## Agregar un conjunto de datos a un proyecto (consola)
<a name="md-add-dataset-console"></a>

Puede agregar un conjunto de datos de entrenamiento o de prueba a un proyecto mediante la consola de Etiquetas personalizadas de Amazon Rekognition.

**Agregar un conjunto de datos a un proyecto**

1. Abra la consola Amazon Rekognition en. [https://console.aws.amazon.com/rekognition/](https://console.aws.amazon.com/rekognition/)

1. En el panel izquierdo, elija **Usar etiquetas personalizadas**. Se abrirá la página de inicio de Etiquetas personalizadas de Amazon Rekognition. 

1. En el panel de navegación izquierdo, elija **Proyectos**. Se abrirá la vista de proyectos.

1. Elija el proyecto al que desee agregar un conjunto de datos. 

1. En el panel de navegación izquierdo, en el nombre del proyecto, elija **Conjuntos de datos**.

1. Si el proyecto no tiene un conjunto de datos existente, se abrirá la página **Crear conjunto de datos**. Haga lo siguiente:

   1. En la página **Crear conjunto de datos**, introduzca la información de la fuente de la imagen. Para obtener más información, consulte [Creación de conjuntos de datos de entrenamiento y prueba](md-create-dataset.md). 

   1. Elija **Crear conjunto de datos** para crear el conjunto de datos.

1. Si el proyecto tiene un conjunto de datos existente (de entrenamiento o de prueba), se abrirá la página de detalles del proyecto. Haga lo siguiente: 

   1. En la página de detalles del proyecto, seleccione **Acciones**.

   1. Si quiere agregar un conjunto de datos de entrenamiento, elija **Crear conjunto de datos de entrenamiento**.

   1. Si quiere agregar un conjunto de datos de prueba, elija **Crear conjunto de datos de prueba**.

   1. En la página **Crear conjunto de datos**, introduzca la información de la fuente de la imagen. Para obtener más información, consulte [Creación de conjuntos de datos de entrenamiento y prueba](md-create-dataset.md). 

   1. Elija **Crear conjunto de datos** para crear el conjunto de datos.

1. Añada imágenes al conjunto de datos. Para obtener más información, consulte [Agregar más imágenes (consola)](md-add-images.md#md-add-images-console).

1. Añada etiquetas al conjunto de datos. Para obtener más información, consulte [Agregar etiquetas nuevas (consola)](md-labels.md#md-add-new-labels).

1. Añada etiquetas a las imágenes. Si va a agregar etiquetas de imagen, consulte [Asignación de etiquetas de imagen a una imagen](md-assign-image-level-labels.md). Si va a agregar cuadros delimitadores, consulte [Etiquetado de objetos con cuadros delimitadores](md-localize-objects.md). Para obtener más información, consulte [Finalidad de los conjuntos de datos](md-dataset-purpose.md).

## Agregar un conjunto de datos a un proyecto (SDK)
<a name="md-add-dataset-sdk"></a>

Puedes agregar un conjunto de datos de entrenamiento o de prueba a un proyecto existente de las siguientes maneras:
+ Cree un conjunto de datos a través de un archivo de manifiesto. Para obtener más información, consulte [Creación de un conjunto de datos con un archivo de manifiesto (SDK) de SageMaker AI Ground Truth](md-create-dataset-ground-truth.md#md-create-dataset-ground-truth-sdk).
+ Cree un conjunto de datos vacío y rellénelo después. En el ejemplo siguiente se muestra cómo crear un conjunto de datos vacío. Para agregar entradas después de crear un conjunto de datos vacío, consulte [Agregar más imágenes a un conjunto de datos](md-add-images.md).

**Topics**

**Cómo agregar un conjunto de datos a un proyecto (SDK)**

1. Si aún no lo ha hecho, instale y configure el y el AWS CLI . AWS SDKs Para obtener más información, consulte [Paso 4: Configure y AWS CLI AWS SDKs](su-awscli-sdk.md).

1. Use los siguientes ejemplos para agregar líneas JSON a un conjunto de datos.

------
#### [ CLI ]

   Reemplace `project_arn` por el proyecto al que desee agregar el conjunto de datos. Sustituya `dataset_type` por `TRAIN` para crear un conjunto de datos de entrenamiento o por `TEST` para crear un conjunto de datos de prueba. 

   ```
   aws rekognition create-dataset --project-arn project_arn \
     --dataset-type dataset_type \
     --profile custom-labels-access
   ```

------
#### [ Python ]

   Cree un conjunto de datos con el siguiente código. Indique las siguientes opciones de línea de comandos:
   + `project_arn`: el ARN del proyecto al que desea agregar el conjunto de datos de prueba.
   + `type`: el tipo de conjunto de datos que desea crear (entrenamiento o prueba)

   ```
   # Copyright Amazon.com, Inc. or its affiliates. All Rights Reserved.
   # SPDX-License-Identifier: Apache-2.0
   
   import argparse
   import logging
   import time
   import boto3
   
   from botocore.exceptions import ClientError
   
   logger = logging.getLogger(__name__)
   
   def create_empty_dataset(rek_client, project_arn, dataset_type):
       """
       Creates an empty Amazon Rekognition Custom Labels dataset.
       :param rek_client: The Amazon Rekognition Custom Labels Boto3 client.
       :param project_arn: The ARN of the project in which you want to create a dataset.
       :param dataset_type: The type of the dataset that you want to create (train or test).
       """
   
       try:
           #Create the dataset.
           logger.info("Creating empty %s dataset for project %s",
               dataset_type, project_arn)
   
           dataset_type=dataset_type.upper()
   
           response = rek_client.create_dataset(
               ProjectArn=project_arn, DatasetType=dataset_type
           )
   
           dataset_arn=response['DatasetArn']
   
           logger.info("dataset ARN: %s", dataset_arn)
   
           finished=False
           while finished is False:
   
               dataset=rek_client.describe_dataset(DatasetArn=dataset_arn)
   
               status=dataset['DatasetDescription']['Status']
               
               if status == "CREATE_IN_PROGRESS":
                   
                   logger.info(("Creating dataset: %s ", dataset_arn))
                   time.sleep(5)
                   continue
   
               if status == "CREATE_COMPLETE":
                   logger.info("Dataset created: %s", dataset_arn)
                   finished=True
                   continue
   
               if status == "CREATE_FAILED":
                   error_message = f"Dataset creation failed: {status} : {dataset_arn}"
                   logger.exception(error_message)
                   raise Exception(error_message)
                   
               error_message = f"Failed. Unexpected state for dataset creation: {status} : {dataset_arn}"
               logger.exception(error_message)
               raise Exception(error_message)
               
           return dataset_arn
          
       except ClientError as err:  
           logger.exception("Couldn't create dataset: %s", 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(
           "project_arn", help="The ARN of the project in which you want to create the empty dataset."
       )
   
       parser.add_argument(
           "dataset_type", help="The type of the empty dataset that you want to create (train or test)."
       )
   
   
   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"Creating empty {args.dataset_type} dataset for project {args.project_arn}")
   
           # Create the empty dataset.
           session = boto3.Session(profile_name='custom-labels-access')
           rekognition_client = session.client("rekognition")
   
           dataset_arn=create_empty_dataset(rekognition_client, 
               args.project_arn,
               args.dataset_type.lower())
   
           print(f"Finished creating empty dataset: {dataset_arn}")
   
   
       except ClientError as err:
           logger.exception("Problem creating empty dataset: %s", err)
           print(f"Problem creating empty dataset: {err}")
       except Exception as err:
           logger.exception("Problem creating empty dataset: %s", err)
           print(f"Problem creating empty dataset: {err}")
   
   
   if __name__ == "__main__":
       main()
   ```

------
#### [ Java V2 ]

   Cree un conjunto de datos con el siguiente código. Indique las siguientes opciones de línea de comandos:
   + `project_arn`: el ARN del proyecto al que desea agregar el conjunto de datos de prueba.
   + `type`: el tipo de conjunto de datos que desea crear (entrenamiento o prueba)

   ```
   /*
      Copyright Amazon.com, Inc. or its affiliates. All Rights Reserved.
      SPDX-License-Identifier: Apache-2.0
   */
   package com.example.rekognition;
   
   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.CreateDatasetRequest;
   import software.amazon.awssdk.services.rekognition.model.CreateDatasetResponse;
   import software.amazon.awssdk.services.rekognition.model.DatasetDescription;
   import software.amazon.awssdk.services.rekognition.model.DatasetStatus;
   import software.amazon.awssdk.services.rekognition.model.DatasetType;
   import software.amazon.awssdk.services.rekognition.model.DescribeDatasetRequest;
   import software.amazon.awssdk.services.rekognition.model.DescribeDatasetResponse;
   import software.amazon.awssdk.services.rekognition.model.RekognitionException;
   
   import java.net.URI;
   import java.util.logging.Level;
   import java.util.logging.Logger;
   
   public class CreateEmptyDataset {
   
       public static final Logger logger = Logger.getLogger(CreateEmptyDataset.class.getName());
   
       public static String createMyEmptyDataset(RekognitionClient rekClient, String projectArn, String datasetType)
               throws Exception, RekognitionException {
   
           try {
   
               logger.log(Level.INFO, "Creating empty {0} dataset for project : {1}",
                       new Object[] { datasetType.toString(), projectArn });
   
               DatasetType requestDatasetType = null;
   
               switch (datasetType) {
               case "train":
                   requestDatasetType = DatasetType.TRAIN;
                   break;
               case "test":
                   requestDatasetType = DatasetType.TEST;
                   break;
               default:
                   logger.log(Level.SEVERE, "Unrecognized dataset type: {0}", datasetType);
                   throw new Exception("Unrecognized dataset type: " + datasetType);
   
               }
   
               CreateDatasetRequest createDatasetRequest = CreateDatasetRequest.builder().projectArn(projectArn)
                       .datasetType(requestDatasetType).build();
   
               CreateDatasetResponse response = rekClient.createDataset(createDatasetRequest);
   
               boolean created = false;
               
               //Wait until updates finishes
   
               do {
   
                   DescribeDatasetRequest describeDatasetRequest = DescribeDatasetRequest.builder()
                           .datasetArn(response.datasetArn()).build();
                   DescribeDatasetResponse describeDatasetResponse = rekClient.describeDataset(describeDatasetRequest);
   
                   DatasetDescription datasetDescription = describeDatasetResponse.datasetDescription();
   
                   DatasetStatus status = datasetDescription.status();
   
                   logger.log(Level.INFO, "Creating dataset ARN: {0} ", response.datasetArn());
   
                   switch (status) {
   
                   case CREATE_COMPLETE:
                       logger.log(Level.INFO, "Dataset created");
                       created = true;
                       break;
   
                   case CREATE_IN_PROGRESS:
                       Thread.sleep(5000);
                       break;
   
                   case CREATE_FAILED:
                       String error = "Dataset creation failed: " + datasetDescription.statusAsString() + " "
                               + datasetDescription.statusMessage() + " " + response.datasetArn();
                       logger.log(Level.SEVERE, error);
                       throw new Exception(error);
   
                   default:
                       String unexpectedError = "Unexpected creation state: " + datasetDescription.statusAsString() + " "
                               + datasetDescription.statusMessage() + " " + response.datasetArn();
                       logger.log(Level.SEVERE, unexpectedError);
                       throw new Exception(unexpectedError);
                   }
   
               } while (created == false);
   
               return response.datasetArn();
   
           } catch (RekognitionException e) {
               logger.log(Level.SEVERE, "Could not create dataset: {0}", e.getMessage());
               throw e;
           }
   
       }
   
   
       public static void main(String args[]) {
   
           String datasetType = null;
           String datasetArn = null;
           String projectArn = null;
   
   
           final String USAGE = "\n" + "Usage: " + "<project_arn> <dataset_type>\n\n" + "Where:\n"
                   + "   project_arn - the ARN of the project that you want to add copy the datast to.\n\n"
                   + "   dataset_type - the type of the empty dataset that you want to create (train or test).\n\n";
                 
   
           if (args.length != 2) {
               System.out.println(USAGE);
               System.exit(1);
           }
   
           projectArn = args[0];
           datasetType = args[1];
           
           try {
   
               // Get the Rekognition client
               RekognitionClient rekClient = RekognitionClient.builder()
                   .credentialsProvider(ProfileCredentialsProvider.create("custom-labels-access"))
                   .region(Region.US_WEST_2)
                   .build();
   
               // Create the dataset
               datasetArn = createMyEmptyDataset(rekClient, projectArn, datasetType);
   
               System.out.println(String.format("Created dataset: %s", datasetArn));
   
               rekClient.close();
   
           } catch (RekognitionException rekError) {
               logger.log(Level.SEVERE, "Rekognition client error: {0}", rekError.getMessage());
               System.exit(1);
           } catch (Exception rekError) {
               logger.log(Level.SEVERE, "Error: {0}", rekError.getMessage());
               System.exit(1);
           }
   
       }
   
   }
   ```

------

1. Añada imágenes al conjunto de datos. Para obtener más información, consulte [Agregar más imágenes (SDK)](md-add-images.md#md-add-images-sdk).