기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# 프로젝트에 데이터 세트 추가
훈련 데이터 세트 또는 테스트 데이터 세트를 기존 프로젝트에 추가할 수 있습니다. 기존 데이터 세트를 바꾸려면 먼저 기존 데이터 세트를 삭제하세요. 자세한 내용은 [데이터 세트 삭제](md-delete-dataset.md) 단원을 참조하십시오. 그런 다음 새 데이터 세트를 추가합니다.
**Topics**
+ [프로젝트에 데이터 세트 추가(콘솔)](#md-add-dataset-console)
+ [프로젝트에 데이터 세트 추가(SDK)](#md-add-dataset-sdk)
## 프로젝트에 데이터 세트 추가(콘솔)
Amazon Rekognition Custom Labels 콘솔을 사용하여 훈련 또는 테스트 데이터 세트를 프로젝트에 추가할 수 있습니다.
**프로젝트에 데이터 세트를 추가하려면**
1. [https://console.aws.amazon.com/rekognition/](https://console.aws.amazon.com/rekognition/)에서 Amazon Rekognition 콘솔을 엽니다.
1. 왼쪽 창에서 **사용자 지정 레이블** 사용을 선택합니다. Amazon Rekognition Custom Labels 랜딩 페이지가 표시됩니다.
1. 왼쪽 탐색 창에서 **프로젝트**를 선택합니다. 프로젝트 보기가 표시됩니다.
1. 데이터 세트를 추가할 프로젝트를 선택합니다.
1. 왼쪽 탐색 창의 프로젝트 이름 아래에서 **데이터 세트**를 선택합니다.
1. 프로젝트에 기존 데이터 세트가 없는 경우 **데이터 세트 생성** 페이지가 표시됩니다. 해결 방법:
1. **데이터 세트 생성** 페이지에서 이미지 소스 정보를 입력합니다. 자세한 내용은 [이미지를 사용하여 훈련 및 테스트 데이터 세트 생성](md-create-dataset.md) 단원을 참조하십시오.
1. **데이터 세트 생성**을 선택하여 데이터 세트를 생성합니다.
1. 프로젝트에 기존 데이터 세트(훈련 또는 테스트)가 있는 경우 프로젝트 세부 정보 페이지가 표시됩니다. 해결 방법:
1. 프로젝트 세부 정보 페이지에서 **작업**을 선택합니다.
1. 훈련 데이터 세트를 추가하려면 **훈련 데이터 세트 생성**을 선택합니다.
1. 테스트 데이터 세트를 추가하려면 **테스트 데이터 세트 생성**을 선택합니다.
1. **데이터 세트 생성** 페이지에서 이미지 소스 정보를 입력합니다. 자세한 내용은 [이미지를 사용하여 훈련 및 테스트 데이터 세트 생성](md-create-dataset.md) 단원을 참조하십시오.
1. **데이터 세트 생성**을 선택하여 데이터 세트를 생성합니다.
1. 데이터 세트에 이미지를 추가합니다. 자세한 내용은 [더 많은 이미지 추가(콘솔)](md-add-images.md#md-add-images-console) 단원을 참조하십시오.
1. 데이터 세트에 레이블을 추가합니다. 자세한 내용은 [새 레이블 추가(콘솔)](md-labels.md#md-add-new-labels) 단원을 참조하십시오.
1. 이미지에 레이블을 추가합니다. 이미지 수준 레이블을 추가하는 경우 [이미지에 이미지 수준 레이블 지정](md-assign-image-level-labels.md) 항목을 참조하세요. 경계 상자를 추가하는 경우 [경계 상자로 객체에 레이블 지정](md-localize-objects.md) 항목을 참조하세요. 자세한 내용은 [데이터 세트 목적 설정](md-dataset-purpose.md) 단원을 참조하십시오.
## 프로젝트에 데이터 세트 추가(SDK)
다음과 같은 방법으로 기존 프로젝트에 훈련 데이터 또는 테스트 데이터 세트를 추가할 수 있습니다.
+ 매니페스트 파일을 사용하여 데이터 세트를 생성합니다. 자세한 내용은 [SageMaker AI Ground Truth 매니페스트 파일(SDK)을 사용하여 데이터 세트 생성](md-create-dataset-ground-truth.md#md-create-dataset-ground-truth-sdk) 단원을 참조하십시오.
+ 빈 데이터 세트를 만든 다음 데이터 세트를 채웁니다. 다음 예제는 빈 데이터 세트를 생성하는 방법을 보여줍니다. 빈 데이터 세트를 만든 후 항목을 추가하려면 [데이터 세트에 더 많은 이미지 추가](md-add-images.md) 항목을 참조하세요.
**Topics**
**프로젝트(SDK)에 데이터 세트를 추가하려면**
1. 아직 설치하지 않은 경우 및 AWS SDKs AWS CLI 를 설치하고 구성합니다. 자세한 내용은 [4단계: AWS CLI 및 AWS SDKs 설정](su-awscli-sdk.md) 단원을 참조하십시오.
1. 다음 예제를 사용하여 데이터 세트에 JSON 라인을 추가하세요.
------
#### [ CLI ]
`project_arn`을 데이터 세트를 추가하려는 프로젝트로 바꿉니다. `dataset_type`을 `TRAIN`으로 바꾸어 훈련 데이터 세트를 생성하거나 `TEST`로 바꾸어 테스트 데이터 세트를 생성하세요.
```
aws rekognition create-dataset --project-arn project_arn \
--dataset-type dataset_type \
--profile custom-labels-access
```
------
#### [ Python ]
다음 코드를 사용하여 데이터 세트를 생성하세요. 다음 명령줄 옵션을 제공하세요.
+ `project_arn`: 테스트 데이터 세트를 추가하려는 프로젝트의 ARN입니다.
+ `type`: 생성하려는 데이터 세트의 유형(훈련 또는 테스트)
```
# 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 ]
다음 코드를 사용하여 데이터 세트를 생성하세요. 다음 명령줄 옵션을 제공하세요.
+ `project_arn`: 테스트 데이터 세트를 추가하려는 프로젝트의 ARN입니다.
+ `type`: 생성하려는 데이터 세트의 유형(훈련 또는 테스트)
```
/*
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. 데이터 세트에 이미지 추가 자세한 내용은 [더 많은 이미지 추가(SDK)](md-add-images.md#md-add-images-sdk) 단원을 참조하십시오.