Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Anotasi manual
<a name="adapters-manual-annotation"></a>

Dengan pendekatan ini, Anda membuat data pelatihan dengan mengunggah dan membuat anotasi gambar secara manual. Anda membuat data pengujian dengan mengunggah dan membuat anotasi gambar pengujian atau dengan memisahkan otomatis agar Rekognition secara otomatis menggunakan sebagian data pelatihan Anda sebagai gambar pengujian.

## Mengunggah dan membuat anotasi gambar
<a name="adapters-upload-sample-images"></a>

Untuk melatih adaptor, Anda harus mengunggah satu set gambar sampel yang mewakili kasus penggunaan Anda. Untuk hasil terbaik, berikan sebanyak mungkin gambar untuk pelatihan hingga batas 10.000, dan pastikan gambar mewakili semua aspek kasus penggunaan Anda. 

![\[Antarmuka yang menampilkan opsi untuk mengimpor gambar pelatihan, dengan opsi untuk mengimpor file manifes, mengimpor dari bucket S3, atau mengunggah gambar dari komputer. Termasuk bidang URI S3 dan catatan tentang memastikan read/write izin.\]](http://docs.aws.amazon.com/id_id/rekognition/latest/dg/images/adapters-11-traiing-dataset.png)


Saat menggunakan AWS Konsol, Anda dapat mengunggah gambar langsung dari komputer, menyediakan file manifes, atau menyediakan bucket Amazon S3 yang menyimpan gambar Anda.

 Namun, saat menggunakan APIs Rekognition dengan SDK, Anda harus menyediakan file manifes yang mereferensikan gambar yang disimpan dalam bucket Amazon S3. 

Anda dapat menggunakan antarmuka anotasi konsol [Rekognition](https://console.aws.amazon.com/rekognition) untuk membuat anotasi gambar Anda. Beri anotasi gambar Anda dengan menandainya dengan label, ini menetapkan “kebenaran dasar” untuk pelatihan. Anda juga harus menetapkan set pelatihan dan pengujian, atau menggunakan fitur auto-split, sebelum Anda dapat melatih adaptor. Setelah selesai menentukan kumpulan data dan membuat anotasi gambar, Anda dapat membuat adaptor berdasarkan gambar beranotasi di set pengujian Anda. Anda kemudian dapat mengevaluasi kinerja adaptor Anda. 

## Buat set tes
<a name="adapters-training-testing"></a>

Anda harus menyediakan set pengujian beranotasi atau menggunakan fitur auto-split. Set pelatihan digunakan untuk benar-benar melatih adaptor. Adaptor mempelajari pola yang terkandung dalam gambar beranotasi ini. Set tes digunakan untuk mengevaluasi kinerja model sebelum menyelesaikan adaptor. 

## Latih adaptor
<a name="adapters-train-adapter"></a>

 Setelah selesai membuat anotasi data pelatihan, atau telah menyediakan file manifes, Anda dapat memulai proses pelatihan untuk adaptor Anda. 

## Dapatkan ID Adaptor
<a name="adapter-get-adapter"></a>

Setelah adaptor dilatih, Anda bisa mendapatkan ID unik untuk adaptor Anda untuk digunakan dengan analisis gambar Rekognition. APIs

## Panggil operasi API
<a name="adapter-call-operation"></a>

Untuk menerapkan adaptor khusus Anda, berikan ID-nya saat memanggil salah satu analisis gambar APIs yang mendukung adaptor. Ini meningkatkan akurasi prediksi untuk gambar Anda.