翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
# データセットをプロジェクトに追加する
トレーニングデータセットまたはテストデータセットは、既存のデータセットプロジェクトに追加できます。既存のデータセットを置き換える場合は、最初に既存のデータセットを削除します。詳細については、「[データセットの削除](md-delete-dataset.md)」を参照してください。次に、新しいデータセットを追加します。
**Topics**
+ [データセットをプロジェクトに追加する (コンソール)](#md-add-dataset-console)
+ [データセットをプロジェクトに追加する (SDK)](#md-add-dataset-sdk)
## データセットをプロジェクトに追加する (コンソール)
Amazon Rekognition Custom Labels コンソールを使用して、トレーニングデータセットまたはテストデータセットをプロジェクトに追加できます。
**データセットをプロジェクトに追加するには**
1. Amazon Rekognition コンソールを [https://console.aws.amazon.com/rekognition/](https://console.aws.amazon.com/rekognition/) で開きます。
1. 左側のペインで、**[カスタムラベルを使用]** を選択します。Amazon Rekognition Custom Labels のランディングページが表示されます。
1. 左側のナビゲーションペインで、**[プロジェクト]** を選択します。プロジェクトビューが表示されます。
1. データセットを追加するプロジェクトを選択します。
1. 左側のナビゲーションペインで、プロジェクト名の下にある **[データセット]** を選択します。
1. プロジェクトに既存のデータセットがない場合は、**[データセットを作成]** ページが表示されます。以下の操作を実行します。
1. **[データセットを作成]** ページで、イメージソース情報を入力します。詳細については、「[イメージ付きのトレーニングデータセットとテストデータセットの作成](md-create-dataset.md)」を参照してください。
1. **[データセットを作成]** を選択します。
1. プロジェクトに既存のデータセット (トレーニングまたはテスト) がある場合は、プロジェクトの詳細ページが表示されます。以下の操作を実行します。
1. プロジェクトの詳細ページで **[アクション]** を選択します。
1. トレーニングデータセットを追加する場合は、**[トレーニングデータセットを作成]** を選択します。
1. テストデータセットを追加する場合は、**[テストデータセットを作成]** を選択します。
1. **[データセットを作成]** ページで、イメージソース情報を入力します。詳細については、「[イメージ付きのトレーニングデータセットとテストデータセットの作成](md-create-dataset.md)」を参照してください。
1. **[データセットを作成]** を選択します。
1. データセットにイメージを追加します。詳細については、「[イメージの追加 (コンソール)](md-add-images.md#md-add-images-console)」を参照してください。
1. データセットにラベルを追加します。詳細については、「[新しいラベルの追加 (コンソール)](md-labels.md#md-add-new-labels)」を参照してください。
1. イメージにラベルを追加します。イメージレベルのラベルを追加する場合は、「[イメージにイメージレベルのラベルを割り当てる](md-assign-image-level-labels.md)」を参照してください。境界ボックスを追加する場合は、「[境界ボックスによるオブジェクトのラベル付け](md-localize-objects.md)」を参照してください。詳細については、「[データセットの目的の設定](md-dataset-purpose.md)」を参照してください。
## データセットをプロジェクトに追加する (SDK)
次の方法で、トレーニングデータセットまたはテストデータセットを既存のデータセットプロジェクトに追加できます。
+ マニフェストファイルを使用したデータセットの作成 詳細については、「[SageMaker AI Ground Truth マニフェストファイル (SDK) を使用したデータセットの作成](md-create-dataset-ground-truth.md#md-create-dataset-ground-truth-sdk)」を参照してください。
+ 空のデータセットを作成し、そのデータセットにデータを入力します。次の例は、空のデータセットを作成する方法を示しています。空のデータセットを作成した後でエントリを追加する方法については、「[データセットへのイメージの追加](md-add-images.md)」を参照してください。
**Topics**
**データセットをプロジェクトに追加するには (SDK)**
1. まだインストールしていない場合は、 と AWS SDKs をインストール AWS CLI して設定します。詳細については、「[ステップ 4: AWS CLI と AWS SDKsを設定する](su-awscli-sdk.md)」を参照してください。
1. 次の例を使用して JSON 行をデータセットに追加します。
------
#### [ CLI ]
`project_arn` を、データセットを追加するプロジェクトに置き換えます。`dataset_type` を `TRAIN` に置き換えてトレーニングデータセットを作成するか、`TEST` に置き換えてテストデータセットを作成します。
```
aws rekognition create-dataset --project-arn project_arn \
--dataset-type dataset_type \
--profile custom-labels-access
```
------
#### [ Python ]
次のコードを使用してデータセットを作成します。次のコマンドラインオプションを指定します。
+ `project_arn` - テストデータセットを追加するプロジェクトの ARN。
+ `type` - 作成するデータセットのタイプ (トレーニングまたはテスト)
```
# 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 ]
次のコードを使用してデータセットを作成します。次のコマンドラインオプションを指定します。
+ `project_arn` - テストデータセットを追加するプロジェクトの ARN。
+ `type` - 作成するデータセットのタイプ (トレーニングまたはテスト)
```
/*
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: " + " \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. データセットにイメージを追加します。詳細については、「[イメージの追加 (SDK)](md-add-images.md#md-add-images-sdk)」を参照してください。