Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris. # Data Keluaran Amazon A2I Saat alur kerja pembelajaran mesin Anda mengirimkan objek data kepada Amazon A2I, *loop manusia* dibuat dan pengulas manusia menerima *tugas* untuk meninjau objek data tersebut. Data keluaran dari setiap tugas peninjauan manusia disimpan di bucket keluaran Amazon Simple Storage Service (Amazon S3) Simple Storage Service (Amazon S3) yang Anda tentukan dalam alur kerja tinjauan manusia. Di jalur ke data, `{{YYYY}}/{{MM}}/{{DD}}/{{hh}}/{{mm}}/{{ss}}` mewakili tanggal pembuatan loop manusia dengan tahun (`YYYY`), bulan (`MM`), dan hari (`DD`), dan waktu pembuatan dengan jam (`hh`), menit (`mm`), dan detik (`ss`). ``` s3://{{customer-output-bucket-specified-in-flow-definition}}/{{flow-definition-name}}/{{YYYY}}/{{MM}}/{{DD}}/{{hh}}/{{mm}}/{{ss}}/{{human-loop-name}}/output.json ``` Konten data keluaran Anda tergantung pada jenis [jenis tugas](https://docs.aws.amazon.com/sagemaker/latest/dg/a2i-task-types-general.html) (bawaan atau kustom) dan jenis [tenaga kerja](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-workforce-management.html) yang Anda gunakan. Data output Anda selalu menyertakan respons dari pekerja manusia. Selain itu, data keluaran dapat mencakup metadata tentang loop manusia, peninjau manusia (pekerja), dan objek data. Gunakan bagian berikut untuk mempelajari lebih lanjut tentang format data keluaran Amazon A2I untuk berbagai jenis tugas dan tenaga kerja. ## Output Data Dari Jenis Built-In Tugas Jenis tugas bawaan Amazon A2I mencakup Amazon Ttract dan Amazon Rekognition. Selain tanggapan manusia, data keluaran dari salah satu tugas ini mencakup rincian tentang alasan loop manusia dibuat dan informasi tentang layanan terintegrasi yang digunakan untuk membuat loop manusia. Gunakan tabel berikut untuk mempelajari lebih lanjut tentang skema data keluaran untuk semua tipe tugas bawaan. *Nilai* untuk masing-masing parameter ini tergantung pada layanan yang Anda gunakan dengan Amazon A2I. Lihat tabel kedua di bagian ini untuk informasi selengkapnya tentang nilai khusus layanan ini. **** | Parameter | Jenis Nilai | Nilai contoh | Deskripsi | | --- | --- | --- | --- | | awsManagedHumanLoopRequestSource | String | AWS/Rekognition/DetectModerationLabels/Image/V3 atau AWS/Textract/AnalyzeDocument/Forms/V1 | Operasi API dan AWS layanan terkait yang meminta Amazon A2I membuat loop manusia. Ini adalah operasi API yang Anda gunakan untuk mengonfigurasi loop manusia Amazon A2I Anda. | | flowDefinitionArn | String | arn:aws:sagemaker:us-west-2:{{111122223333}}:flow-definition/{{flow-definition-name}} | Amazon Resource Number (ARN) dari alur kerja tinjauan manusia (definisi alur) yang digunakan untuk membuat loop manusia. | | humanAnswers | Daftar objek JSON | 
{
"answerContent": {
    "AWS/Rekognition/DetectModerationLabels/Image/V3": {
        "moderationLabels": [{{...}}]
    }
},
atau
{
    "answerContent": {
        "AWS/Textract/AnalyzeDocument/Forms/V1": {
            "blocks": [{{...}}]
    }
},
| Daftar objek JSON yang berisi respons pekerja dianswerContent. Objek ini juga berisi rincian pengiriman dan, jika tenaga kerja pribadi digunakan, metadata pekerja. Untuk mempelajari selengkapnya, lihat [Lacak Aktivitas Pekerja](#a2i-worker-id-private).
Untuk data keluaran loop manusia yang dihasilkan dari tugas `DetectModerationLabel` peninjauan Amazon Rekognition, parameter ini hanya berisi respons positif. Misalnya, jika pekerja memilih *Tidak ada konten*, respons ini tidak disertakan. | | humanLoopName | String | `'human-loop-name'` | Nama lingkaran manusia. | | inputContent | Objek JSON | 
{
    "aiServiceRequest": {{{...}}},
    "aiServiceResponse": {{{...}}},
    "humanTaskActivationConditionResults": {{{...}}},
    "selectedAiServiceResponse": {{{...}}}
}
| Konten input AWS layanan dikirim ke Amazon A2I ketika meminta loop manusia dibuat. | | aiServiceRequest | Objek JSON | 
{
    "document": {{{...}}},
    "featureTypes": [{{...}}],
    "humanLoopConfig": {{{...}}}
}
atau 
{
    "image": {{{...}}},
    "humanLoopConfig": {{{...}}}
}
| Permintaan asli dikirim ke AWS layanan yang terintegrasi dengan Amazon A2I. Misalnya, jika Anda menggunakan Amazon Rekognition dengan Amazon A2I, ini termasuk permintaan yang dibuat melalui operasi API. `DetectModerationLabels` Untuk integrasi Amazon Texttract, ini termasuk permintaan yang dibuat melalui. `AnalyzeDocument` | | aiServiceResponse | Objek JSON | 
{
    "moderationLabels": [{{...}}],
    "moderationModelVersion": "3.0"
}
atau
{
    "blocks": [{{...}}],
    "documentMetadata": {}
}
| Respon penuh dari AWS layanan. Ini adalah data yang digunakan untuk menentukan apakah tinjauan manusia diperlukan. Objek ini mungkin berisi metadata tentang objek data yang tidak dibagikan dengan pengulas manusia. | | selectedAiServiceResponse | Objek JSON | 
{
    "moderationLabels": [{{...}}],
    "moderationModelVersion": "3.0"
}
atau
{
    "blocks": [{{...}}],
    "documentMetadata": {}
}
| Subset dari `aiServiceResponse` yang cocok dengan kondisi aktivasi di`ActivationConditions`.
Semua objek data yang tercantum dalam `aiServiceResponse` terdaftar `selectedAiServiceResponse` ketika kesimpulan diambil sampelnya secara acak, atau semua kesimpulan memulai kondisi aktivasi. | | humanTaskActivationConditionResults | Objek JSON | 
{
     "Conditions": [{{...}}]
}
| Objek JSON di dalamnya `inputContent` berisi alasan loop manusia dibuat. Ini termasuk daftar kondisi aktivasi (`Conditions`) yang disertakan dalam alur kerja tinjauan manusia Anda (definisi alur), dan hasil evaluasi untuk setiap kondisi—hasil ini adalah salah satu atau. `true` `false` Untuk mempelajari lebih lanjut tentang kondisi aktivasi, lihat[Skema JSON untuk Kondisi Aktivasi Loop Manusia di Amazon Augmented AI](a2i-human-fallback-conditions-json-schema.md). | Pilih tab pada tabel berikut untuk mempelajari parameter spesifik jenis tugas dan lihat contoh blok kode data keluaran untuk setiap jenis tugas bawaan. ------ #### [ Amazon Textract Task Type Output Data ] Saat Anda menggunakan integrasi bawaan Amazon Textract, Anda akan melihat `'AWS/Textract/AnalyzeDocument/Forms/V1'` nilai untuk data `awsManagedHumanLoopRequestSource` keluaran Anda. `answerContent`Parameter berisi `Block` objek yang menyertakan respons manusia untuk semua blok yang dikirim ke Amazon A2I. `aiServiceResponse`Parameter ini juga menyertakan `Block` objek dengan respons Amazon Texact terhadap permintaan asli yang dikirim menggunakan ke`AnalyzeDocument`. Untuk mempelajari lebih lanjut tentang parameter yang Anda lihat di objek blok, lihat [Blokir](https://docs.aws.amazon.com/textract/latest/dg/API_Block.html) di Panduan *Pengembang Amazon Textract*. Berikut ini adalah contoh data keluaran dari tinjauan manusia Amazon A2I dari kesimpulan analisis dokumen Amazon Textract. ``` { "awsManagedHumanLoopRequestSource": "AWS/Textract/AnalyzeDocument/Forms/V1", "flowDefinitionArn": "arn:aws:sagemaker:us-west-2:{{111122223333}}:flow-definition/{{flow-definition-name}}", "humanAnswers": [ { "answerContent": { "AWS/Textract/AnalyzeDocument/Forms/V1": { "blocks": [{{...}}] } }, "submissionTime": "2020-09-28T19:17:59.880Z", "workerId": "{{111122223333}}", "workerMetadata": { "identityData": { "identityProviderType": "Cognito", "issuer": "https://cognito-idp.us-west-2.amazonaws.com/{{us-west-2_111111}}", "sub": "{{c6aa8eb7-9944-42e9-a6b9-{{111122223333}}}}" } } } ], "humanLoopName": "{{humnan-loop-name}}", "inputContent": { "aiServiceRequest": { "document": { "s3Object": { "bucket": "{{amzn-s3-demo-bucket1}}", "name": "{{document-demo.jpg}}" } }, "featureTypes": [ "TABLES", "FORMS" ], "humanLoopConfig": { "dataAttributes": { "contentClassifiers": [ "FreeOfPersonallyIdentifiableInformation" ] }, "flowDefinitionArn": "arn:aws:sagemaker:us-west-2:{{111122223333}}:flow-definition/{{flow-definition-name}}", "humanLoopName": "{{humnan-loop-name}}" } }, "aiServiceResponse": { "blocks": [{{...}}], "documentMetadata": { "pages": 1 } }, "humanTaskActivationConditionResults": { "Conditions": [ { "EvaluationResult": true, "Or": [ { "ConditionParameters": { "ImportantFormKey": "Mail address", "ImportantFormKeyAliases": [ "Mail Address:", "Mail address:", "Mailing Add:", "Mailing Addresses" ], "KeyValueBlockConfidenceLessThan": 100, "WordBlockConfidenceLessThan": 100 }, "ConditionType": "ImportantFormKeyConfidenceCheck", "EvaluationResult": true }, { "ConditionParameters": { "ImportantFormKey": "Mail address", "ImportantFormKeyAliases": [ "Mail Address:", "Mail address:", "Mailing Add:", "Mailing Addresses" ] }, "ConditionType": "MissingImportantFormKey", "EvaluationResult": false } ] } ] }, "selectedAiServiceResponse": { "blocks": [{{...}}] } } } ``` ------ #### [ Amazon Rekognition Task Type Output Data ] Saat Anda menggunakan integrasi bawaan Amazon Textract, Anda melihat string `'AWS/Rekognition/DetectModerationLabels/Image/V3'` sebagai nilai untuk data `awsManagedHumanLoopRequestSource` keluaran Anda. `answerContent`Parameter berisi `moderationLabels` objek yang berisi respons manusia untuk semua label moderasi yang dikirim ke Amazon A2I. `aiServiceResponse`Parameter ini juga menyertakan `moderationLabels` objek dengan respons Amazon Rekognition terhadap permintaan asli yang dikirim ke. `DetectModerationLabels` Untuk mempelajari lebih lanjut tentang parameter yang Anda lihat di objek blok, lihat [ModerationLabel](https://docs.aws.amazon.com/rekognition/latest/dg/API_ModerationLabel.html)di Panduan Pengembang Rekognition Amazon. Berikut ini adalah contoh data keluaran dari tinjauan manusia Amazon A2I tentang inferensi moderasi gambar Amazon Rekognition. ``` { "awsManagedHumanLoopRequestSource": "AWS/Rekognition/DetectModerationLabels/Image/V3", "flowDefinitionArn": "arn:aws:sagemaker:us-west-2:{{111122223333}}:flow-definition/{{flow-definition-name}}", "humanAnswers": [ { "answerContent": { "AWS/Rekognition/DetectModerationLabels/Image/V3": { "moderationLabels": [{{...}}] } }, "submissionTime": "2020-09-28T19:22:35.508Z", "workerId": "ef7294f850a3d9d1", "workerMetadata": { "identityData": { "identityProviderType": "Cognito", "issuer": "https://cognito-idp.us-west-2.amazonaws.com/{{us-west-2_111111}}", "sub": "{{c6aa8eb7-9944-42e9-a6b9-{{111122223333}}}}" } } } ], "humanLoopName": "{{humnan-loop-name}}", "inputContent": { "aiServiceRequest": { "humanLoopConfig": { "flowDefinitionArn": "arn:aws:sagemaker:us-west-2:{{111122223333}}:flow-definition/{{flow-definition-name}}", "humanLoopName": "{{humnan-loop-name}}" }, "image": { "s3Object": { "bucket": "{{amzn-s3-demo-bucket1}}", "name": "{{example-image.jpg}}" } } }, "aiServiceResponse": { "moderationLabels": [{{...}}], "moderationModelVersion": "3.0" }, "humanTaskActivationConditionResults": { "Conditions": [ { "EvaluationResult": true, "Or": [ { "ConditionParameters": { "ConfidenceLessThan": 98, "ModerationLabelName": "Suggestive" }, "ConditionType": "ModerationLabelConfidenceCheck", "EvaluationResult": true }, { "ConditionParameters": { "ConfidenceGreaterThan": 98, "ModerationLabelName": "Female Swimwear Or Underwear" }, "ConditionType": "ModerationLabelConfidenceCheck", "EvaluationResult": false } ] } ] }, "selectedAiServiceResponse": { "moderationLabels": [ { "confidence": 96.7122802734375, "name": "Suggestive", "parentName": "" } ], "moderationModelVersion": "3.0" } } } ``` ------ ## Output Data Dari Jenis Tugas Kustom Saat menambahkan Amazon A2I ke alur kerja peninjauan manusia khusus, Anda akan melihat parameter berikut dalam data keluaran yang dikembalikan dari tugas peninjauan manusia. **** | Parameter | Jenis Nilai | Deskripsi | | --- | --- | --- | | `flowDefinitionArn` | String | Amazon Resource Number (ARN) dari alur kerja tinjauan manusia (definisi alur) yang digunakan untuk membuat loop manusia. | | `humanAnswers` | Daftar objek JSON | Daftar objek JSON yang berisi respons pekerja dianswerContent. Nilai dalam parameter ini ditentukan oleh output yang diterima dari [template tugas pekerja](https://docs.aws.amazon.com/sagemaker/latest/dg/a2i-instructions-overview.html) Anda. Jika Anda menggunakan tenaga kerja pribadi, metadata pekerja disertakan. Untuk mempelajari selengkapnya, lihat [Lacak Aktivitas Pekerja](#a2i-worker-id-private). | | `humanLoopName` | String | Nama lingkaran manusia. | | `inputContent` | Objek JSON | Konten input dikirim ke Amazon A2I dalam permintaan ke. [https://docs.aws.amazon.com/augmented-ai/2019-11-07/APIReference/API_StartHumanLoop.html](https://docs.aws.amazon.com/augmented-ai/2019-11-07/APIReference/API_StartHumanLoop.html) | Berikut ini adalah contoh data keluaran dari integrasi kustom dengan Amazon A2I dan Amazon Transcribe. Dalam contoh ini, `inputContent` terdiri dari: + Jalur ke file.mp4 di Amazon S3 dan judul video + Transkripsi dikembalikan dari Amazon Transcribe (diuraikan dari data keluaran Amazon Transcribe) + Waktu mulai dan berakhir yang digunakan oleh template tugas pekerja untuk memotong file.mp4 dan menunjukkan kepada pekerja bagian video yang relevan ``` { "flowDefinitionArn": "arn:aws:sagemaker:us-west-2:{{111122223333}}:flow-definition/{{flow-definition-name}}", "humanAnswers": [ { "answerContent": { "transcription": "use lambda to turn your notebook" }, "submissionTime": "2020-06-18T17:08:26.246Z", "workerId": "ef7294f850a3d9d1", "workerMetadata": { "identityData": { "identityProviderType": "Cognito", "issuer": "https://cognito-idp.us-west-2.amazonaws.com/{{us-west-2_111111}}", "sub": "{{c6aa8eb7-9944-42e9-a6b9-{{111122223333}}}}" } } } ], "humanLoopName": "{{human-loop-name}}", "inputContent": { "audioPath": "s3://{{amzn-s3-demo-bucket1}}/a2i_transcribe_demo/Fully-Managed Notebook Instances with Amazon SageMaker - a Deep Dive.mp4", "end_time": 950.27, "original_words": "but definitely use Lambda to turn your ", "start_time": 948.51, "video_title": "Fully-Managed Notebook Instances with Amazon SageMaker - a Deep Dive.mp4" } } ``` ## Lacak Aktivitas Pekerja Amazon A2I memberikan informasi yang dapat Anda gunakan untuk melacak pekerja individu dalam data output tugas. Untuk mengidentifikasi pekerja yang mengerjakan tugas peninjauan manusia, gunakan yang berikut ini dari data keluaran di Amazon S3: + `acceptanceTime`Itu adalah waktu dimana pekerja menerima tugas tersebut. Format cap tanggal dan waktu ini adalah `YYYY-MM-DDTHH:MM:SS.mmmZ` untuk tahun (`YYYY`), bulan (), hari (`MM`), jam (`DD`), menit (`HH`), detik (`MM``SS`), dan milidetik (`mmm`). Tanggal dan waktu dipisahkan oleh **T**. + `submissionTime`Ini adalah waktu pekerja mengirimkan anotasi mereka menggunakan tombol **Kirim**. Format cap tanggal dan waktu ini adalah `YYYY-MM-DDTHH:MM:SS.mmmZ` untuk tahun (`YYYY`), bulan (), hari (`MM`), jam (`DD`), menit (`HH`), detik (`MM``SS`), dan milidetik (`mmm`). Tanggal dan waktu dipisahkan oleh **T**. + `timeSpentInSeconds`melaporkan total waktu, dalam hitungan detik, bahwa seorang pekerja secara aktif mengerjakan tugas itu. Metrik ini tidak termasuk waktu ketika seorang pekerja berhenti atau beristirahat. + `workerId`Ini unik untuk setiap pekerja. + Jika Anda menggunakan [tenaga kerja pribadi](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-workforce-private.html), di`workerMetadata`, Anda melihat yang berikut ini. + `identityProviderType`Ini adalah layanan yang digunakan untuk mengelola tenaga kerja swasta. + `issuer`Ini adalah kumpulan pengguna Amazon Cognito atau penerbit Penyedia Identitas OpenID Connect (OIDC) (IDP) yang terkait dengan tim kerja yang ditugaskan untuk tugas peninjauan manusia ini. + `sub`Pengidentifikasi unik mengacu pada pekerja. Jika Anda membuat tenaga kerja menggunakan Amazon Cognito, Anda dapat mengambil detail tentang pekerja ini (seperti nama atau nama pengguna) yang terkait dengan ID ini menggunakan Amazon Cognito. Untuk mempelajari caranya, lihat [Mengelola dan Mencari Akun Pengguna](https://docs.aws.amazon.com/cognito/latest/developerguide/how-to-manage-user-accounts.html#manage-user-accounts-searching-user-attributes) di Panduan *[Pengembang Amazon Cognito](https://docs.aws.amazon.com/cognito/latest/developerguide/)*. Berikut ini adalah contoh output yang mungkin Anda lihat jika Anda menggunakan Amazon Cognito untuk membuat tenaga kerja pribadi. Ini diidentifikasi dalam`identityProviderType`. ``` "submissionTime": "2020-12-28T18:59:58.321Z", "acceptanceTime": "2020-12-28T18:59:15.191Z", "timeSpentInSeconds": 40.543, "workerId": "a12b3cdefg4h5i67", "workerMetadata": { "identityData": { "identityProviderType": "Cognito", "issuer": "https://cognito-idp.aws-region.amazonaws.com/aws-region_123456789", "sub": "aaaaaaaa-bbbb-cccc-dddd-eeeeeeeeeeee" } } ``` Berikut ini adalah contoh output yang mungkin Anda lihat jika Anda menggunakan OIDC IDP Anda sendiri untuk membuat tenaga kerja pribadi: ``` "workerMetadata": { "identityData": { "identityProviderType": "Oidc", "issuer": "https://example-oidc-ipd.com/adfs", "sub": "aaaaaaaa-bbbb-cccc-dddd-eeeeeeeeeeee" } } ``` Untuk mempelajari lebih lanjut tentang menggunakan tenaga kerja swasta, lihat[Tenaga kerja swasta](sms-workforce-private.md).