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。

# 建立自訂工作者任務範本
<a name="sms-custom-templates-step2"></a>

若要建立自訂標籤工作，您需要更新工作者任務範本、將資訊清單檔案中的輸入資料對應至範本使用的變數，並將輸出資料對應至 Amazon S3。若要進一步了解使用 Liquid 自動化的進階功能，請參閱 [新增包含 Liquid 的自動化](sms-custom-templates-step2-automate.md)。

下列各節描述每個必要步驟。

## 工作者任務範本
<a name="sms-custom-templates-step2-template"></a>

*工作任務範本*是 Ground Truth 的檔案，用於自訂工作者使用者介面 (UI)。您可利用 HTML、CSS、JavaScript、[Liquid 範本語言](https://shopify.github.io/liquid/)，以及 [Crowd HTML 元素](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-ui-template-reference.html)來建立工作者任務範本。Liquid 用於自動化範本。Crowd HTML 元素用於納入常見註釋工具，並提供邏輯以便提交給 Ground Truth。

您可利用下列主題來了解如何建立工作者任務範本。您可於 [GitHub](https://github.com/aws-samples/amazon-sagemaker-ground-truth-task-uis) 查看 Ground Truth 工作者任務範本的範例資料儲存庫。

### 在 SageMaker AI 主控台使用基礎工作者任務範本
<a name="sms-custom-templates-step2-base"></a>

您可利用 Ground Truth 主控台的範本編輯器開始建立範本。此編輯器包含許多預先設計的基礎範本。此編輯器支援自動填入 HTML 和 Crowd HTML 元素程式碼。

**若要存取 Ground Truth 自訂範本編輯器：**

1. 請遵循 [建立標籤工作 (主控台)](sms-create-labeling-job-console.md) 中的說明。

1. 然後針對標籤工作的**任務類型**選取**自訂**。

1. 選擇**下一步**，然後您就能夠在**自訂標籤任務設定**區段存取範本編輯器與基礎範本。

1. (選用) 從 **Templates** (範本) 的下拉式功能表選取基礎範本。如您偏好從頭開始建立範本，請從下拉式功能表選擇 **Custom** (自訂)，即可取得最簡單的範本骨架。

透過下一節了解如何在本機視覺化從主控台開發的範本。

#### 在本機視覺化您的工作者任務範本
<a name="sms-custom-template-step2-UI-local"></a>

您必須透過主控台測試範本如何處理傳入資料。若要測試範本 HTML 和自訂元素的外觀和風格，您可以使用瀏覽器。

**注意**  
變數不會經剖析。在本機檢視內容時，您可能需要將其取代為範例內容。

下列程式碼片段範例會載入必要的程式碼，以轉譯自訂 HTML 元素。如果您想要以您偏好的編輯器 (而不是主控台) 來開發範本外觀和風格，請使用此操作。

**Example**  

```
<script src="https://assets.crowd.aws/crowd-html-elements.js"></script>
```

### 建立簡單的 HTML 任務範例
<a name="sms-custom-templates-step2-sample"></a>

現在，您已有基礎工作者任務範本，您可以透過此主題來建立簡單的 HTML 型任務範本。

以下是輸入資訊清單檔案的範例項目。

```
{
  "source": "This train is really late.",
  "labels": [ "angry" , "sad", "happy" , "inconclusive" ],
  "header": "What emotion is the speaker feeling?"
}
```

在 HTML 任務範本中，我們需要將輸入資訊清單檔案的變數對應到範本。輸入資訊清單範例的變數將使用下列語法 **task.input.source**、**task.input.labels** 和 **task.input.header** 進行對應。

以下是推文分析的 HTML 工作者任務範本範例。所有任務都以 `<crowd-form> </crowd-form>` 元素開始和結束。如同標準 HTML `<form>` 元素，所有表單程式碼都應該放置於其中間。Ground Truth 會直接從範本中指定的內容產生工作者的任務，除非您實作註釋前 Lambda。Ground Truth 傳回的 `taskInput` 物件或 [註釋前 Lambda](sms-custom-templates-step3-lambda-requirements.md#sms-custom-templates-step3-prelambda) 是範本中的 `task.input` 物件。

針對簡單的推文分析任務，請使用 `<crowd-classifier>` 元素。需要下列屬性：
+ *名稱* - 輸出變數的名稱。工作者註釋會儲存至輸出資訊清單中的此變數名稱。
+ *類別*– 多種可能解答的 JSON 格式陣列。
+ *標題* - 註釋工具的標題

`<crowd-classifier>` 元素至少需要下列三個子元素。
+ *<classification-target>* – 工作者將根據上述 `categories` 屬性中指定之選項來分類的文字。
+ *<full-instructions>* – 工具中「檢視完整說明」連結提供的說明。您可以將這項保留空白，但建議您提供完善說明以獲得更佳結果。
+ *<short-instructions>* – 任務的更簡要描敘，會顯示在工具的側邊欄。您可以將這項保留空白，但建議您提供完善說明以獲得更佳結果。

此工具的簡易版本看起來如下所示。變數 **\$1\$1 task.input.source \$1\$1** 會指定輸入資訊清單檔案中的來源資料。**\$1\$1 task.input.labels \$1 to\$1json \$1\$1** 是將陣列變成 JSON 表示法的變數篩選條件範例。`categories` 屬性必須是 JSON。

**Example 使用 `crowd-classifier` 搭配輸入資訊清單 JSON 範例**  

```
<script src="https://assets.crowd.aws/crowd-html-elements.js"></script>
<crowd-form>
  <crowd-classifier
    name="tweetFeeling"
    categories="='{{ task.input.labels | to_json }}'"
    header="{{ task.input.header }}'"
  >
     <classification-target>
       {{ task.input.source }}
     </classification-target>

    <full-instructions header="Sentiment Analysis Instructions">
      Try to determine the sentiment the author
      of the tweet is trying to express.
      If none seem to match, choose "cannot determine."
    </full-instructions>

    <short-instructions>
      Pick the term that best describes the sentiment of the tweet.
    </short-instructions>

  </crowd-classifier>
</crowd-form>
```

在 Ground Truth 標籤工作建立工作流程，您可將程式碼複製並貼到編輯器以便預覽工具，或試用 [CodePen 上此程式碼的示範。](https://codepen.io/MTGT/full/OqBvJw)

 [https://codepen.io/MTGT/full/OqBvJw](https://codepen.io/MTGT/full/OqBvJw) 

## 輸入資料、外部資產和您的任務範本
<a name="sms-custom-templates-step2-template-input"></a>

以下章節說明外部資產之使用、輸入資料格式要求，以及何時該考慮使用註釋前 Lambda 函式。

### 輸入資料格式要求
<a name="sms-custom-template-input-manifest"></a>

當您建立要在自訂 Ground Truth 標籤工作中使用的輸入資訊清單檔案時，您必須將資料儲存在 Amazon S3 中。輸入資訊清單檔案也必須儲存在執行自訂 Ground Truth 標籤任務 AWS 區域 的相同 中。除此之外，其可儲存在任何 Amazon S3 儲存貯體，前提是您用來在 Ground Truth 執行自訂標籤工作的 IAM 服務角色可以存取該 Amazon S3 儲存貯體。

輸入資訊清單檔案必須使用新行分隔 JSON 或 JSON 行格式。每一行都由標準分行符號 (**\$1n** 或 **\$1r\$1n**) 分隔。每一行也都必須為有效的 JSON 物件。

除此之外，資訊清單檔案中的每個 JSON 物件必須包含下列其中一個索引鍵：`source-ref` 或 `source`。鍵的值會解譯為如下：
+ `source-ref` – 物件來源是數值所指定的 Amazon S3 物件。當物件是二進位物件 (例如映像) 時，請使用此值。
+ `source` – 物件的來源即為數值。當物件為文字值時，請使用此值。

若要進一步了解如何格式化輸入資訊清單檔案，請參閱 [輸入資訊清單檔案](sms-input-data-input-manifest.md)。

### 註釋前 Lambda 函式
<a name="sms-custom-template-input-lambda"></a>

您可以選擇指定*註釋前 Lambda* 函式，以管理在標記前如何處理輸入資訊清單檔案的資料。如果您已指定 `isHumanAnnotationRequired` 鍵/值對，則必須使用註釋前 Lambda 函式。Ground Truth 向註釋前 Lambda 函式傳送 JSON 格式的請求時，會使用下列結構描述。

**Example 透過 `source-ref` 鍵/值對識別的資料物件**  

```
{
  "version": "2018-10-16",
  "labelingJobArn": arn:aws:lambda:us-west-2:555555555555:function:my-function
  "dataObject" : {
    "source-ref": s3://input-data-bucket/data-object-file-name
  }
}
```

**Example 透過 `source` 鍵/值對識別的資料物件**  

```
{
      "version": "2018-10-16",
      "labelingJobArn" : arn:aws:lambda:us-west-2:555555555555:function:my-function
      "dataObject" : {
        "source": Sue purchased 10 shares of the stock on April 10th, 2020
      }
    }
```

以下是使用 `isHumanAnnotationRequired` 時 Lambda 函式的預期回應。

```
{
  "taskInput": {
    "source": "This train is really late.",
    "labels": [ "angry" , "sad" , "happy" , "inconclusive" ],
    "header": "What emotion is the speaker feeling?"
  },
  "isHumanAnnotationRequired": False
}
```

### 使用外部資產
<a name="sms-custom-template-step2-UI-external"></a>

Amazon SageMaker Ground Truth 自訂範本允許嵌入外部指令碼與樣式表。例如，下列程式碼區塊示範如何將位於 `https://www.example.com/my-enhancement-styles.css` 的樣式表新增至範本。

**Example**  

```
<script src="https://www.example.com/my-enhancment-script.js"></script>
<link rel="stylesheet" type="text/css" href="https://www.example.com/my-enhancement-styles.css">
```

如果發生錯誤，請確保您的原始伺服器傳送資產的正確 MIME 類型和編碼標題。

例如，遠端指令碼的 MIME 和編碼類型為：`application/javascript;CHARSET=UTF-8`。

遠端樣式表的 MIME 和編碼類型為：`text/css;CHARSET=UTF-8`。

## 輸出資料和您的任務範本
<a name="sms-custom-templates-step2-template-output"></a>

下列章節說明自訂標籤工作的輸出資料，以及何時該考慮使用註釋後 Lambda 函式。

### 輸出資料
<a name="sms-custom-templates-data"></a>

當您的自訂標籤工作完成時，資料會儲存在建立標籤工作時指定的 Amazon S3 儲存貯體中。資料會儲存在 `output.manifest` 檔案中。

**注意**  
*labelAttributeName* 是預留位置變數。在您的輸出中，有標籤工作的名稱，或在建立標籤工作時指定的標籤屬性名稱。
+ `source` 或 `source-ref` – 要求字串或 S3 URI 工作者進行標記。
+ `labelAttributeName` – 包含來自[註釋後 Lambda 函式](sms-custom-templates-step3-lambda-requirements.md#sms-custom-templates-step3-postlambda)的合併標籤內容的字典。如果未指定註釋後 Lambda 函式，則此字典為空白。
+ `labelAttributeName-metadata` – Ground Truth 所新增的自訂標籤工作的中繼資料。
+ `worker-response-ref` – 儲存資料的儲存貯體的 S3 URI。如果有指定註釋後 Lambda 函式，則不會出現此鍵/值對。

在此範例中，JSON 物件經過格式化以便於閱讀；在實際輸出檔案中，JSON 物件位於單一行上。

```
{
  "source" : "This train is really late.",
  "labelAttributeName" : {},
  "labelAttributeName-metadata": { # These key values pairs are added by Ground Truth
    "job_name": "test-labeling-job",
    "type": "groundTruth/custom",
    "human-annotated": "yes",
    "creation_date": "2021-03-08T23:06:49.111000",
    "worker-response-ref": "s3://amzn-s3-demo-bucket/test-labeling-job/annotations/worker-response/iteration-1/0/2021-03-08_23:06:49.json"
  }
}
```

### 使用註釋後 Lambda 來合併工作者的結果
<a name="sms-custom-templates-consolidation"></a>

根據預設，Ground Truth 會在 Amazon S3 中儲存未處理的工作者回應。若要更精準地控制處理回應的方式，您可以指定*註釋後 Lambda 函式*。例如，如果多個工作者已標記相同的資料物件，則可以使用註釋後 Lambda 函式來合併註釋。若要進一步了解如何建立註釋後 Lambda 函式，請參閱 [註釋後 Lambda](sms-custom-templates-step3-lambda-requirements.md#sms-custom-templates-step3-postlambda)。

如果您要使用註釋後 Lambda 函式，則必須在 `CreateLabelingJob` 請求中，將其指定為 [https://docs.aws.amazon.com//sagemaker/latest/APIReference/API_AnnotationConsolidationConfig.html](https://docs.aws.amazon.com//sagemaker/latest/APIReference/API_AnnotationConsolidationConfig.html) 的一部分。

若要進一步了解註釋合併的運作方式，請參閱 [註釋整合](sms-annotation-consolidation.md)。