本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 自訂管制轉接器教學課程
<a name="using-adapters-tutorial"></a>

本教學課程說明如何使用 Rekognition 主控台建立、訓練、評估、使用和管理轉接器。若要使用 AWS SDK 建立、使用和管理轉接器，請參閱 [使用 CLI 和 SDKs AWS 管理轉接器](managing-adapters.md)。

配接器可讓您增強 Rekognition API 操作的準確性，自訂模型的行為以符合自身需求和使用案例。在您使用本教學課程建立轉接器之後，可以在使用 [DetectModerationLabels](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DetectModerationLabels.html) 等操作來分析自有映像時使用，以及重新訓練轉接器進行未來進一步的改進。

於本教學課程中，您會了解：
+ 使用 Rekognition Console 建立專案
+ 為訓練資料加上註解
+ 在訓練資料集上訓練您的轉接器
+ 檢閱轉接器的效能
+ 使用您的轉接器進行映像分析

## 先決條件
<a name="using-adapters-tutorial-prereqs"></a>

在完成本教學課程之前，建議您先閱讀 [建立和使用轉接器](creating-and-using-adapters.md)。

若要建立轉接器，您可以使用 Rekognition 主控台工具來建立專案、上傳和註解您自有映像，然後在這些映像上訓練配接器。若要開始使用，請參閱 [建立專案並訓練轉接器](#using-adapters-tutorial-annotation)。

或者，您可以使用 Rekognition 的主控台或 API 擷取映像的預測，然後在針對這些預測訓練轉接器之前驗證預測。若要開始使用，請參閱 [批量分析、預測驗證和訓練轉接器](#using-adapters-tuorial-annotation-bulk-analysis)。

## 映像註釋
<a name="using-adapters-tutorial-image-annotation"></a>

您可以使用 Rekognition 主控台為映像加上標籤，或使用 Rekognition 批量分析來註解映像，然後可以驗證這些映像已正確標記。選擇以下其中一個主題以開始使用。

**Topics**
+ [

### 建立專案並訓練轉接器
](#using-adapters-tutorial-annotation)
+ [

### 批量分析、預測驗證和訓練轉接器
](#using-adapters-tuorial-annotation-bulk-analysis)

### 建立專案並訓練轉接器
<a name="using-adapters-tutorial-annotation"></a>

使用 Rekognition 主控台註釋映像，完成下列步驟以訓練轉接器。

**建立專案**

在訓練或使用轉接器之前，您必須先建立將包含轉接器的專案。您也必須提供轉接器訓練轉接器時使用的映像。若要建立專案、轉接器和映像資料集：

1. 登入 AWS 管理主控台，並在 https：//https://console.aws.amazon.com/rekognition/ 開啟 Rekognition 主控台。

1. 在左窗格中，選擇**自訂管制**。此時會顯示 Rekognition 自訂管制的登陸頁面。  
![\[Rekognition 自訂管制界面顯示沒有現有的微調轉接器，以及建立新專案或搜尋的選項。\]](http://docs.aws.amazon.com/zh_tw/rekognition/latest/dg/images/adapters-1-landing-page.png)

1. 自訂管制登陸頁面會顯示所有專案和轉接器的清單，而且還有一個按鈕可用來建立轉接器。選擇**建立專案**以建立新的專案和轉接器。

1. 如果這是您第一次建立轉接器，系統會提示您建立 Amazon S3 儲存貯體來存放與專案和轉接器相關的檔案。選擇**建立 Amazon S3 儲存貯體**。

1. 在下一頁中，填寫**轉接器名稱**和**專案名稱**。如果需要，請提供轉接器說明。  
![\[用於輸入專案詳細資訊的表單，包括專案名稱、轉接器名稱和選用轉接器描述。從資訊清單檔案或 S3 儲存貯體匯入訓練影像資料集的選項。\]](http://docs.aws.amazon.com/zh_tw/rekognition/latest/dg/images/adapters-2-project-details.png)

1. 在此步驟中，您也會提供轉接器的映像。您可以選取：**從電腦匯入映像**、**匯入資訊清單檔案**或**從 Amazon S3 儲存貯體匯入映像**。如果您選擇從 Amazon S3 儲存貯體匯入映像，請提供包含訓練映像之儲存貯體和資料夾的路徑。如果您直接從電腦上傳映像，請注意，一次最多只能上傳 30 張映像。如果您使用的是包含註釋的資訊清單檔案，您可以略過下列涵蓋映像註釋的步驟，然後繼續執行 [檢視轉接器效能](#using-adapters-tutorial-performance) 上的區段。

1. 在**測試資料集詳情**區段中，選擇**自動分割**，讓 Rekognition 自動選取適當的映像百分比做為測試資料，或者也可以選擇**手動匯入資訊清單檔案**。

1. 填寫此資訊後，選取**建立專案**。

**訓練轉接器**

要在自己未註釋的映像上訓練轉接器：

1. 選取包含轉接器的專案，然後選擇指**派標籤給映像**的選項。

1. 在**指派標籤給映像**的頁面上，可以看到已上傳為訓練映像的所有映像。您可以使用左側的兩個屬性選取面板，依標籤/未標示狀態和標籤類別篩選這些映像。您可以選取**新增映像**按鈕，將其他映像新增至訓練資料集。  
![\[具有說明、轉接器詳細資訊和空白影像面板的影像標記界面。\]](http://docs.aws.amazon.com/zh_tw/rekognition/latest/dg/images/adapters-4-assign-labels-to-images.png)

1. 將映像新增至訓練資料集後，您必須使用標籤為映像加上註解。上傳映像後，「為映像分配標籤」頁面將更新以顯示您上傳的映像。系統將提示您從 Rekognition 管制支援的標籤下拉式清單中選取適合您映像的標籤。您可選擇多個專案。

1. 繼續此程序，直到您已將標籤新增至訓練資料中的每個映像。

1. 標記所有資料之後，請選取**開始訓練**開始訓練模型，以建立您的轉接器。  
![\[顯示 2 張影像的界面，具有為明確裸露、暗示性內容、暴力、仇恨符號、酒精、藥物、煙草等類別指派標籤的選項。\]](http://docs.aws.amazon.com/zh_tw/rekognition/latest/dg/images/adapters-5-labels-images-blurred.png)

1. 在開始訓練程序之前，您可以將任何**標籤**新增至您想要的轉接器。您也可以提供轉接器自訂加密金鑰或使用 AWS KMS 金鑰。完成新增任何想要的標籤並根據您的喜好自訂加密之後，請選取**訓練轉接器**以開始轉接器的訓練程序。

1. 等待轉接器完成訓練。訓練完成後，您會收到轉接器已完成建立的通知。

轉接器的狀態為「訓練完成」之後，您就可以檢視轉接器的指標

### 批量分析、預測驗證和訓練轉接器
<a name="using-adapters-tuorial-annotation-bulk-analysis"></a>

透過驗證 Rekognition 的內容管制模型中的批量分析預測，完成以下步驟來訓練您的轉接器。

 若要透過驗證 Rekognition 的內容管制模型中的預測來訓練轉接器，您必須：

1.  對映像進行批量分析 

1.  驗證為您的映像傳回的預測 

您可以使用 Rekognition 的基礎模型或您已建立的轉接器執行批量分析，以取得映像預測。

**對映像執行批量分析**

若要針對已驗證的預測訓練轉接器，您必須先啟動批量分析工作，使用 Rekognition 的基本模型或您選擇的轉接器來分析一批映像。若要執行批量分析操作：

1. 登入 AWS 管理主控台 ，並在 https：//[https://console.aws.amazon.com/rekognition/](https://console.aws.amazon.com/rekognition/) 開啟 Amazon Rekognition 主控台。

1. 在左窗格中，選擇**批量分析**。批量分析登陸頁面隨即出現。選擇**開始批量分析**。大量分析功能概觀顯示上傳影像、等待分析、檢閱結果以及選擇性驗證模型預測的步驟。列出使用基本模型進行內容管制的最近大量分析任務。  
![\[大量分析功能概觀顯示工作流程，並列出使用基本模型進行內容管制的最新大量分析任務。\]](http://docs.aws.amazon.com/zh_tw/rekognition/latest/dg/images/BA-1-create-bulk-analysis.png)

1. 如果這是您第一次建立轉接器，系統會提示您建立 Amazon Simple Storage Service 儲存貯體，以存放與您的專案和轉接器相關的檔案。選擇**建立 Amazon S3 儲存貯體**。

1. 使用**選擇轉接器**下拉式功能表，選取要用於批量分析的轉接器。如果未選擇轉接器，則預設會使用基礎模型。基於本教學的用途，請選擇轉接器。  
![\[具有下拉式功能表的大量分析界面，可選擇 Rekognition 功能、轉接器、設定任務名稱和標籤的最低可信度閾值。某些欄位為必要欄位。\]](http://docs.aws.amazon.com/zh_tw/rekognition/latest/dg/images/BA-2-bulk-analysis-job.png)

1.  在**批量分析作業名稱**欄位中，填入批量分析作業名稱。

1. 選擇**最小可信度閾值**的值。不會傳回低於您選擇的信賴閾值的標籤預測。請注意，稍後評估模型的效能時，將無法調整置信度閾值低於所選的最低可信度閾值。

1. 在此步驟中，您還將使用批量分析提供要分析的映像。這些映像也可以用來訓練轉接器。您可以選擇**從電腦上傳映像**或**從 Amazon S3 儲存貯體匯入映像**。如果您選擇從 Amazon S3 儲存貯體匯入文件，請提供包含訓練映像檔的儲存貯體和資料夾的路徑。如果您直接從電腦上傳文件，請注意，一次只能上傳 50 張映像。

1. 填寫此資訊後，選擇**開始分析**。這將使用 Rekognition 的基礎模型開始分析過程。

1.  您可以在批量分析主頁面上檢查作業的批量分析狀態，以檢查批量分析作業的狀態。當批量分析狀態變為「成功」時，即可檢閱分析結果。  
![\[大量分析任務表顯示使用內容管制辨識 API 和基礎模型，名為「評估 01」且狀態為「成功」的任務。\]](http://docs.aws.amazon.com/zh_tw/rekognition/latest/dg/images/BA-3-bulk-analysis-status.png)

1.  從**批量分析作業**清單中選擇您建立的分析。

1. 在批量分析詳細資料頁面上，您可以看到 Rekognition 基本模型針對您上傳的映像所做的預測。

1. 檢閱基礎模型的效能。您可以使用可信度閾值滑桿，變更轉接器必須具備的可信度閾值，才能將標籤指派給映像。當您調整可信度閾值時，已標記和未標記的執行個體數目會隨之變更。標籤類別的面板會顯示 Rekognition 可辨識的最上層類別，您可以在此清單中選取一個類別，以顯示已指派該標籤的任何映像。  
![\[大量分析長條圖顯示針對各種標籤標記的影像計數。\]](http://docs.aws.amazon.com/zh_tw/rekognition/latest/dg/images/BA-4-bulk-analysis-complete.png)

**驗證預測**

如果您已檢閱 Rekognition 基礎模型或所選轉接器的準確性，並且想要改善此精確度，可以利用驗證工作串流程：

1. 完成基礎模型效能的檢閱後，您將需要驗證預測。更正預測支援您訓練轉接器。從批量分析頁面頂端選擇**驗證預測**。  
![\[面板會提示您驗證預測以計算偽陽性和陰性率，或訓練自訂管制轉接器以提高準確性。\]](http://docs.aws.amazon.com/zh_tw/rekognition/latest/dg/images/BA-6-start-verification.png)

1. 在驗證預測頁面上，可以看到您提供給 Rekognition 基礎模型或所選轉接器的所有映像，以及每個映像的預測標籤。您必須使用映像下方的按鈕驗證每個預測是否正確或不正確。使用「X」按鈕將預測標記為不正確，使用複選標記按鈕將預測標記為正確。若要訓練轉接器，您需要驗證至少 20 個假陽性預測，以及指定標籤的 50 個假陰性預測。您驗證的預測越多，轉接器的效能就越好。  
![\[三個影像，描述持有酒精性飲料的人，用於說明影像標籤的「Alcohol」類別預測。\]](http://docs.aws.amazon.com/zh_tw/rekognition/latest/dg/images/BA-7-verify-predictions-1.png)

   驗證預測後，映像下方的文字將會變更，以顯示您已驗證的預測類型。驗證映像後，您也可以使用**將標籤指派給映像**選單，為映像新增其他標籤。您可以查看模型針對您選擇的置信度閾值標記或未標記哪些映像，或依類別篩選映像。  
![\[本圖顯示酒精內容管制的三個範例，以及套用標籤的選單。\]](http://docs.aws.amazon.com/zh_tw/rekognition/latest/dg/images/BA-8-verify-predictions-2.png)

1. 完成驗證所有要驗證的預測後，您可以在驗證頁面的**依標籤效能**部分查看有關已驗證預測的統計資料。您也可以傳回批量分析詳細資訊頁面來檢視這些統計資料。  
![\[內容管制驗證頁面顯示 50% 可信度閾值的明確裸露、建議和酒精標籤的偽陽性率。\]](http://docs.aws.amazon.com/zh_tw/rekognition/latest/dg/images/BA-8.5-predictions-stats.png)

1. 如果您對**依標籤效能**的統計資料滿意，請再次前往**驗證預測**頁面，然後選取**訓練轉接器**按鈕，開始訓練您的轉接器。  
![\[驗證顯示任務詳細資訊的預測頁面，包括名稱、建立日期、模型版本、輸入和輸出位置。訓練轉接器按鈕存在。\]](http://docs.aws.amazon.com/zh_tw/rekognition/latest/dg/images/BA-9-train-adapter.png)

1. 在訓練轉接器頁面上，系統會提示您建立專案或選擇現有的專案。命名專案和專案將包含的轉接器。您也必須指定測試映像的來源。指定映像時，您可以選擇自動分割讓 Rekognition 自動使用訓練資料的一部分作為測試映像，或者您也可以手動指定資訊清單檔案。建議選擇自動拆分。  
![\[用於建立新轉接器專案的界面，其中包含輸入專案名稱、轉接器名稱、轉接器描述、指定測試資料來源，以及自動分割資料或匯入資訊清單檔案的欄位。\]](http://docs.aws.amazon.com/zh_tw/rekognition/latest/dg/images/BA-10-train-adapter-project.png)

1. 指定您想要的任何標籤，如果您不想使用預設 AWS KMS 金鑰，也請指定 AWS 金鑰。建議將**自動更新**保留為啟用狀態。

1. 選擇**培訓連接器**。  
![\[轉接器的組態設定，包括新增標籤、資料加密、可信度閾值和自動更新的選項。可以從此界面訓練轉接器。\]](http://docs.aws.amazon.com/zh_tw/rekognition/latest/dg/images/BA-11-train-adapter.png)

1. 一旦「自訂管制」登陸頁面上的轉接器狀態變成「訓練完成」，就可以檢視轉接器的效能。如需詳細資訊，請參閱[檢視轉接器效能](#using-adapters-tutorial-performance)。

## 檢視轉接器效能
<a name="using-adapters-tutorial-performance"></a>

為檢視轉接器效能：

1. 使用主控台時，您可以在自訂管制登陸頁面的專案索引標籤下，查看與專案相關聯之任何轉接器的狀態。導覽至自訂管制登陸頁面。  
![\[自訂管制登陸頁面顯示管制專案清單，其中包含 狀態、轉接器 ID、輸入資料位置、基礎模型版本、建立日期和狀態訊息等詳細資訊。您可以建立、刪除或繼續專案。\]](http://docs.aws.amazon.com/zh_tw/rekognition/latest/dg/images/adapters-7-status-alt.png)

1. 從此清單中選取您要檢閱的轉接器。在下列轉接器詳細資料頁面上，您可以看到轉接器的各種度量。  
![\[轉接器效能指標顯示 25% 的誤報改善和 24% 的不同標籤類別誤報，例如 Suggestive 和 Alcohol，以及地面上的資料真實陽性、基礎模型和轉接器誤報。\]](http://docs.aws.amazon.com/zh_tw/rekognition/latest/dg/images/adapters-8.5-new-performance-review.png)

1. 透過**閾值**面板，您可以變更轉接器為映像指派標籤所必須具備的最低可信度閾值。當您調整可信度閾值時，已標記和未標記的執行個體數目會隨之變更。您也可以依標籤類別篩選，以查看所選類別的指標。設定您選擇的閾值。

1. 您可以檢查轉接器效能面板中的指標，以評估轉接器在測試資料上的效能。這些指標的計算方式是將轉接器的擷取與測試集上的「基本真相」註解進行比較。

轉接器效能面板會顯示您建立之轉接器的偽陽性改善率和偽陰性改善率。按標籤效能標籤可用來比較轉接器和基礎模型在每個標籤類別上的效能。該標籤顯示了基本模型和轉接器的偽陽性和偽陰性預測的計數，按標籤類別分層。透過檢閱這些指標，您可以判斷轉接器需要改進的位置。如需這些指標的詳細資訊，請參閱 [評估和改善您的轉接器](using-adapters-evaluating-improving.md)。

若要改善效能，您可以收集更多訓練映像，然後在專案內部建立新的轉接器。只要傳回自訂管制登陸頁面，並在專案內建立新的轉接器，即可提供更多訓練映像供訓練的轉接器使用。這次選擇**新增到現有專案選項**，而不是**建立新專案**，然後從**專案名稱**下拉菜單中選擇要在其中建立新轉接器的專案。和以前一樣，為您的映像新增註釋或提供帶有註釋的資訊清單檔案。

![\[用於建立新的內容管制轉接器或新增至現有專案的界面，以及用於命名轉接器和專案的選項。\]](http://docs.aws.amazon.com/zh_tw/rekognition/latest/dg/images/adapters-9-create-new-adapter.png)


## 使用轉接器
<a name="using-adapters-tutorial-using-adapter"></a>

建立轉接器之後，您可以將其提供給支援的 Rekognition 操作，例如 [DetectModerationLabels](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DetectModerationLabels.html)。若要查看您可以使用轉接器執行推論的程式碼範例，請選取「使用轉接器」索引標籤，您可以在其中查看 CLI 和 Python AWS 的程式碼範例。您也可以造訪建立轉接器之操作文件的相應章節，以查看更多程式碼範例、設定指示和範例 JSON。

![\[介面顯示測試資料、訓練資料和輸出資料的位置，以及對應的 S3 URL 欄位。使用轉接器、檢視訓練影像和標籤，以及存取轉接器詳細資訊的選項，包括其適用於 AWS CLI 和 Python 的 ID 和程式碼範例，以使用訓練過的轉接器。\]](http://docs.aws.amazon.com/zh_tw/rekognition/latest/dg/images/adapters-12-use-adapter.png)


## 刪除您的轉接器和專案
<a name="using-adapters-tutorial-deleting-adapter"></a>

您可以刪除個別轉接器，或刪除專案。您必須刪除專案中的每一個轉接器，才能刪除專案本身。

1. 若要刪除與專案相關聯的轉接器，請選擇轉接器，然後選擇**刪除**。

1. 若要刪除專案，請選擇您要刪除的專案，然後選擇**刪除**。