Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

# Formez des outils de reconnaissance d'entités personnalisés (API)
<a name="train-cer-model"></a>

Pour créer et entraîner un modèle de reconnaissance d'entité personnalisé, utilisez l'opération d'API Amazon Comprehend [CreateEntityRecognizer](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_CreateEntityRecognizer.html)

**Topics**
+ [Former des agents de reconnaissance d'entités personnalisés à l'aide du AWS Command Line Interface](#get-started-api-cer-cli)
+ [Former des agents de reconnaissance d'entités personnalisés à l'aide du AWS SDK pour Java](#get-started-api-cer-java)
+ [Entraînement de dispositifs de reconnaissance d'entités personnalisés à l'aide de Python (Boto3)](#cer-python)

## Former des agents de reconnaissance d'entités personnalisés à l'aide du AWS Command Line Interface
<a name="get-started-api-cer-cli"></a>

Les exemples suivants illustrent l'utilisation de l'`CreateEntityRecognizer`opération et des autres API associées avec le AWS CLI. 

Les exemples sont formatés pour Unix, Linux et macOS. Pour Windows, remplacez le caractère de continuation Unix, à savoir la barre oblique inversée (\\), à la fin de chaque ligne par un accent circonflexe (^).

Créez un outil de reconnaissance d'entités personnalisé à l'aide de la commande `create-entity-recognizer` CLI. *Pour plus d'informations sur le paramètre input-data-config, consultez le manuel [CreateEntityRecognizer](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_CreateEntityRecognizer.html)Amazon Comprehend API Reference.*

```
aws comprehend create-entity-recognizer \
     --language-code en \
     --recognizer-name test-6 \
     --data-access-role-arn "arn:aws:iam::{{account number}}:role/service-role/AmazonComprehendServiceRole-role" \
     --input-data-config "EntityTypes=[{Type=PERSON}],Documents={S3Uri=s3://{{Bucket Name}}/{{Bucket Path}}/documents},
                Annotations={S3Uri=s3://{{Bucket Name}}/{{Bucket Path}}/annotations}" \
     --region {{region}}
```

Répertoriez tous les dispositifs de reconnaissance d'entités d'une région à l'aide de la commande `list-entity-recognizers` CLI.

```
aws comprehend list-entity-recognizers \
     --region {{region}}
```

Vérifiez l'état des tâches des outils de reconnaissance d'entités personnalisés à l'aide de la commande `describe-entity-recognizer` CLI.

```
aws comprehend describe-entity-recognizer \
     --entity-recognizer-arn arn:aws:comprehend:{{region}}:{{account number}}:entity-recognizer/test-6 \
     --region {{region}}
```

## Former des agents de reconnaissance d'entités personnalisés à l'aide du AWS SDK pour Java
<a name="get-started-api-cer-java"></a>

Cet exemple crée un outil de reconnaissance d'entités personnalisé et entraîne le modèle à l'aide de Java

Pour des exemples Amazon Comprehend utilisant Java, consultez les exemples [Amazon Comprehend](https://github.com/awsdocs/aws-doc-sdk-examples/tree/main/javav2/example_code/comprehend) Java.

## Entraînement de dispositifs de reconnaissance d'entités personnalisés à l'aide de Python (Boto3)
<a name="cer-python"></a>

Instanciez le SDK Boto3 : 

```
import boto3
import uuid
comprehend = boto3.client("comprehend", region_name="{{region}}")
```

Créez un outil de reconnaissance d'entités : 

```
response = comprehend.create_entity_recognizer(
    RecognizerName="Recognizer-Name-Goes-Here-{}".format(str(uuid.uuid4())),
    LanguageCode="en",
    DataAccessRoleArn="{{Role ARN}}",
    InputDataConfig={
        "EntityTypes": [
            {
                "Type": "{{ENTITY_TYPE}}"
            }
        ],
        "Documents": {
            "S3Uri": "s3://{{Bucket Name}}/{{Bucket Path}}/documents"
        },
        "Annotations": {
            "S3Uri": "s3://{{Bucket Name}}/{{Bucket Path}}/annotations"
        }
    }
)
recognizer_arn = response["EntityRecognizerArn"]
```

Répertoriez tous les outils de reconnaissance : 

```
response = comprehend.list_entity_recognizers()
```

Attendez que le logiciel de reconnaissance atteigne le statut TRAINED : 

```
while True:
    response = comprehend.describe_entity_recognizer(
        EntityRecognizerArn=recognizer_arn
    )

    status = response["EntityRecognizerProperties"]["Status"]
    if "IN_ERROR" == status:
        sys.exit(1)
    if "TRAINED" == status:
        break

    time.sleep(10)
```