View a markdown version of this page

Processando dados em um fluxo de trabalho de rotulagem personalizado com AWS Lambda - SageMaker Inteligência Artificial da Amazon

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Processando dados em um fluxo de trabalho de rotulagem personalizado com AWS Lambda

Neste tópico, você pode aprender como implantar funções AWS Lambda opcionais ao criar um fluxo de trabalho de rotulagem personalizado. Você pode especificar dois tipos de funções do Lambda para usar com seu fluxo de trabalho de rotulagem personalizada.

  • Pre-annotation Lambda: essa função pré-processa cada objeto de dados enviado ao seu trabalho de etiquetagem antes de enviá-lo aos trabalhadores.

  • Post-annotation Lambda: essa função processa os resultados quando os trabalhadores enviam uma tarefa. Se você especificar vários operadores por objeto de dados, essa função poderá incluir lógica para consolidar anotações.

Se você for um novo usuário do Lambda e do Ground Truth, recomendamos que você use as páginas desta seção da seguinte forma:

  1. Primeiro, revise Uso de funções do Lambda de pré-anotação e pós-anotação.

  2. Em seguida, use a página Adicione as permissões necessárias para usar AWS Lambda com Ground Truth para aprender sobre os requisitos de segurança e permissão para usar suas funções do Lambda de pré-anotação e pós-anotação em um trabalho de rotulagem personalizado da Ground Truth.

  3. Em seguida, é necessário acessar o console do Lambda ou utilizar as APIs do Lambda para criar suas funções. Use a seção Criar funções do Lambda usando modelos Ground Truth para aprender a criar funções do Lambda.

  4. Para saber como testar sua função do Lambda, consulte Testar as funções do Lambda de pré-anotação e pós-anotação.

  5. Depois de criar funções do Lambda de pré-processamento e pós-processamento, selecione-as na seção Funções do Lambda que vem depois do editor de código para seu HTML personalizado no console do Ground Truth. Para saber como usar essas funções em uma solicitação de API CreateLabelingJob, consulte Criar um trabalho de rotulagem (API).

Para um tutorial de fluxo de trabalho de rotulagem personalizado que inclui exemplos de funções do Lambda de pré-anotação e pós-anotação, consulte Modelo de demonstração: anotação de imagens com caixa delimitadora de multidões.

Tópicos