यह दो-भागों की श्रृंखला में पहला है अमेज़ॅन सैजमेकर ग्राउंड ट्रुथ पदानुक्रमित लेबलिंग वर्कफ़्लो और डैशबोर्ड। भाग 1 में, हम पदानुक्रमित लेबल टैक्सोनॉमी का उपयोग करके बहु-चरण लेबलिंग वर्कफ़्लो बनाने पर विचार करते हैं AWS स्टेप फ़ंक्शंस. भाग 2 (जल्द ही आ रहा है) में, हम देखेंगे कि जटिल वर्कफ़्लो से आउटपुट के रूप में उत्पन्न डेटा लेक पर डेटासेट एनोटेशन और कार्यकर्ता प्रदर्शन मेट्रिक्स का विश्लेषण करने के लिए डैशबोर्ड कैसे बनाया जाए और अंतर्दृष्टि प्राप्त की जाए।
डेटा लेबलिंग के लिए अक्सर कई प्रकार के एनोटेशन शामिल करने के लिए एक ही डेटा ऑब्जेक्ट की आवश्यकता होती है, या मल्टी प्रकार, जैसे कि 2डी बॉक्स (बाउंडिंग बॉक्स), लाइनें और सेगमेंटेशन मास्क, सभी एक ही छवि पर। इसके अतिरिक्त, लेबल किए गए डेटा का उपयोग करके उच्च गुणवत्ता वाले मशीन लर्निंग (एमएल) मॉडल बनाने के लिए, आपको लेबल की गुणवत्ता की निगरानी करने का एक तरीका चाहिए। आप एक वर्कफ़्लो बनाकर ऐसा कर सकते हैं जिसमें लेबल किए गए डेटा का ऑडिट किया जाता है और आवश्यकतानुसार समायोजित किया जाता है। यह पोस्ट ऑटोमोटिव डेटासेट का उपयोग करके इन दोनों लेबलिंग चुनौतियों का समाधान करने के लिए एक समाधान प्रस्तुत करता है, और आप इस समाधान को किसी भी प्रकार के डेटासेट के साथ उपयोग के लिए बढ़ा सकते हैं।
हमारे उपयोग के मामले में, मान लें कि आपके पास चलती गाड़ी पर एक या अधिक कोणों से फिल्माया गया बड़ी मात्रा में ऑटोमोटिव वीडियो डेटा है (उदाहरण के लिए, कुछ मल्टी-ऑब्जेक्ट ट्रैकिंग (एमओटी) दृश्य) और आप कई प्रकार के एनोटेशन का उपयोग करके डेटा को एनोटेट करना चाहते हैं। आप इस डेटा का उपयोग क्रूज़ नियंत्रण, लेन-कीपिंग एमएल एल्गोरिदम को प्रशिक्षित करने के लिए करने की योजना बना रहे हैं। मौजूदा कार्य को देखते हुए, यह जरूरी है कि आप मॉडल को प्रशिक्षित करने के लिए उच्च गुणवत्ता वाले लेबल का उपयोग करें।
सबसे पहले, आपको उन एनोटेशन के प्रकारों की पहचान करनी होगी जिन्हें आप अपने वीडियो फ़्रेम में जोड़ना चाहते हैं। इस उपयोग के मामले में लेबल करने के लिए सबसे महत्वपूर्ण वस्तुओं में से कुछ फ्रेम, सड़क सीमा और लेन में अन्य वाहन हैं। ऐसा करने के लिए, आप परिभाषित करें a पदानुक्रमित लेबल वर्गीकरण, जो यह परिभाषित करता है कि आप प्रत्येक वीडियो में किस प्रकार के लेबल जोड़ना चाहते हैं, और वह क्रम जिसमें आप लेबल जोड़ना चाहते हैं। जमीनी सच्चाई वीडियो ट्रैकिंग लेबलिंग कार्य बाउंडिंग बॉक्स, पॉलीलाइन, पॉलीगॉन और कीपॉइंट एनोटेशन का समर्थन करता है। इस उपयोग के मामले में, वाहनों को 2-आयामी बक्से का उपयोग करके एनोटेट किया जाता है, या बाउंडिंग बॉक्स, और सड़क की सीमाओं और मोड़ों को लचीली रेखा खंडों की एक श्रृंखला के साथ एनोटेट किया जाता है, जिन्हें कहा जाता है पोलीलाइंस.
दूसरा, आपको लेबल गुणवत्ता सुनिश्चित करने के लिए एक वर्कफ़्लो स्थापित करने की आवश्यकता है। ऐसा करने के लिए, आप यह सत्यापित करने के लिए एक ऑडिट वर्कफ़्लो बना सकते हैं कि आपकी पाइपलाइन द्वारा उत्पन्न लेबल मॉडल प्रशिक्षण के लिए उपयोगी होने के लिए पर्याप्त उच्च गुणवत्ता वाले हैं। इस ऑडिट वर्कफ़्लो में, आप एक बहु-चरणीय समीक्षा पाइपलाइन बनाकर लेबल सटीकता में काफी सुधार कर सकते हैं जो एनोटेशन को ऑडिट करने की अनुमति देता है, और यदि आवश्यक हो, तो दूसरे समीक्षक द्वारा समायोजित किया जाता है जो विषय वस्तु विशेषज्ञ हो सकता है।
डेटासेट और डेटा ऑब्जेक्ट के आकार के आधार पर, आपको इस पाइपलाइन को बनाने और बनाए रखने के लिए आवश्यक समय और संसाधनों पर भी विचार करना चाहिए। आदर्श रूप से, आप चाहते हैं कि लेबलिंग कार्यों की यह श्रृंखला स्वचालित रूप से शुरू हो, जिसमें केवल इनपुट डेटा और वर्कफ़्लो को निर्दिष्ट करने के लिए मानव संचालन की आवश्यकता हो।
इस पोस्ट में प्रयुक्त समाधान ग्राउंड ट्रुथ का उपयोग करता है, एडब्ल्यूएस CloudFormation, चरण कार्य, और अमेज़ॅन डायनेमोडीबी समानांतर और श्रेणीबद्ध तरीके से चलने वाली लेबलिंग नौकरियों की एक श्रृंखला बनाने के लिए। आप विभिन्न तौर-तरीकों (पॉलीलाइन और बाउंडिंग बॉक्स) की लेबलिंग नौकरियां बनाने के लिए एक पदानुक्रमित लेबल वर्गीकरण का उपयोग करते हैं, और आप एनोटेशन गुणवत्ता और अंतिम परिणामों को बेहतर बनाने के लिए माध्यमिक मानव समीक्षा चरण जोड़ते हैं।
इस पोस्ट के लिए, हम ऑटोमोटिव स्पेस के संदर्भ में समाधान प्रदर्शित करते हैं, लेकिन आप इस सामान्य पाइपलाइन को छवियों, वीडियो, टेक्स्ट और बहुत कुछ वाली लेबलिंग पाइपलाइनों पर आसानी से लागू कर सकते हैं। इसके अलावा, हम एक वर्कफ़्लो प्रदर्शित करते हैं जो विस्तार योग्य है, जिससे आप स्वचालित गुणवत्ता जांच जोड़कर और बड़े पैमाने पर डेटा गुणवत्ता बनाए रखकर उन फ़्रेमों की कुल संख्या को कम कर सकते हैं जिन्हें मानव समीक्षा की आवश्यकता होती है। इस उपयोग के मामले में, हम वीडियो ऑब्जेक्ट ट्रैकिंग एनोटेशन जैसे एमओटी समय श्रृंखला डेटा में विसंगतियों को खोजने के लिए इन जांचों का उपयोग करते हैं।
हम एक उपयोग के मामले से गुजरते हैं जिसमें हम एक ऑटोमोटिव दृश्य के लिए कई प्रकार के एनोटेशन उत्पन्न करते हैं। विशेष रूप से, हम प्रति इनपुट वीडियो क्लिप में चार लेबलिंग कार्य चलाते हैं: वाहनों की प्रारंभिक लेबलिंग, लेन की प्रारंभिक लेबलिंग, और फिर एक अलग गुणवत्ता आश्वासन कार्यबल के साथ प्रति प्रारंभिक कार्य समायोजन कार्य।
हम अपने स्टेप फ़ंक्शन वर्कफ़्लो में विभिन्न विस्तार बिंदु प्रदर्शित करते हैं जो आपको चलाने की अनुमति दे सकते हैं स्वचालित गुणवत्ता आश्वासन जाँच. यह कार्य पूरा होने के बीच और उसके बाद क्लिप फ़िल्टरिंग की अनुमति देता है, जिसके परिणामस्वरूप लागत के एक अंश के लिए उच्च-गुणवत्ता वाले एनोटेशन प्राप्त हो सकते हैं।
इस समाधान को लागू करने के लिए AWS सेवाओं का उपयोग किया गया
यह समाधान कई प्रकार के एनोटेशन का उपयोग करके वीडियो फ़्रेम को लेबल करने के लिए ग्राउंड ट्रुथ लेबलिंग जॉब बनाता और प्रबंधित करता है। ग्राउंड ट्रुथ को अपने वीडियो फ़्रेम के माध्यम से वीडियो डेटासेट के लिए मूल समर्थन प्राप्त है ऑब्जेक्ट ट्रैकिंग कार्य प्रकार.
यह कार्य प्रकार श्रमिकों को वीडियो फ़्रेमों की एक श्रृंखला में एनोटेशन बनाने की अनुमति देता है, जो बाद के फ़्रेमों में बाउंडिंग बॉक्स के अगले स्थान की भविष्यवाणी करने के लिए उपकरण प्रदान करता है। यह कई एनोटेशन प्रकारों जैसे बाउंडिंग बॉक्स या पॉलीलाइन का भी समर्थन करता है लेबल श्रेणी कॉन्फ़िगरेशन फ़ाइलें रोजगार सृजन के दौरान प्रदान किया गया। हम इस ट्यूटोरियल में इन उपकरणों का उपयोग करते हैं, वाहन बाउंडिंग बॉक्स के लिए कार्य चलाते हैं और लेन पॉलीलाइन के लिए कार्य करते हैं।
हम लेबलिंग कार्य को प्रबंधित करने के लिए स्टेप फ़ंक्शंस का उपयोग करते हैं। यह समाधान नौकरी सृजन को लेबल करने का सार देता है ताकि आप एक पदानुक्रमित लेबल वर्गीकरण का उपयोग करके उस समग्र वर्कफ़्लो को निर्दिष्ट कर सकें जिसे आप चलाना चाहते हैं, और सभी नौकरी प्रबंधन को स्टेप फ़ंक्शंस द्वारा नियंत्रित किया जाता है।
समाधान क्लाउडफ़ॉर्मेशन टेम्प्लेट का उपयोग करके कार्यान्वित किया जाता है जिसे आप अपने AWS खाते में तैनात कर सकते हैं। समाधान का इंटरफ़ेस एक एपीआई द्वारा प्रबंधित है अमेज़ॅन एपीआई गेटवे, जो समाधान के लिए एनोटेशन कार्यों को सबमिट करने की क्षमता प्रदान करता है, जिन्हें फिर ग्राउंड ट्रुथ लेबलिंग नौकरियों में अनुवादित किया जाता है।
अनुमानित लागत
इस समाधान को तैनात करने और उपयोग करने पर, आपको मानव लेबलिंग लागत के अलावा लगभग $20 की अधिकतम लागत वहन करनी पड़ती है क्योंकि यह केवल मांग पर पूरी तरह से प्रबंधित कंप्यूटिंग संसाधनों का उपयोग करता है। अमेज़न सरल भंडारण सेवा (अमेज़न S3), AWS लाम्बा, अमेज़न SageMaker, एपीआई गेटवे, अमेज़न सरल अधिसूचना सेवा (अमेज़ॅन एसएनएस), अमेज़ॅन सरल कतार सेवा (अमेज़न SQS), एडब्ल्यूएस गोंद, और स्टेप फ़ंक्शंस शामिल हैं AWS फ्री टियर, अतिरिक्त उपयोग के लिए शुल्क के साथ। अधिक जानकारी के लिए, निम्नलिखित मूल्य निर्धारण पृष्ठ देखें:
जमीनी सच्चाई का मूल्य निर्धारण आपके द्वारा उपयोग किए जाने वाले कार्यबल के प्रकार पर निर्भर करता है। यदि आप ग्राउंड ट्रुथ के नए उपयोगकर्ता हैं, तो हमारा सुझाव है कि आप एक निजी कार्यबल का उपयोग करें और अपने लेबलिंग कार्य कॉन्फ़िगरेशन का परीक्षण करने के लिए स्वयं को एक कार्यकर्ता के रूप में शामिल करें। अधिक जानकारी के लिए देखें अमेज़ॅन सेजमेकर ग्राउंड ट्रुथ प्राइसिंग.
समाधान अवलोकन
इस दो-भाग श्रृंखला में, हम एक आर्किटेक्चर पैटर्न पर चर्चा करते हैं जो आपको मल्टी-स्टेप डेटा लेबलिंग वर्कफ़्लो को व्यवस्थित करने के लिए एक पाइपलाइन बनाने की अनुमति देता है जिसमें ग्राउंड ट्रुथ का उपयोग करके कार्यकर्ता समानांतर में विभिन्न प्रकार के एनोटेशन जोड़ते हैं। आप यह भी सीखते हैं कि आप वर्कफ़्लो के साथ-साथ कार्यकर्ता के प्रदर्शन द्वारा उत्पादित डेटासेट एनोटेशन का विश्लेषण कैसे कर सकते हैं। पहली पोस्ट स्टेप फ़ंक्शंस वर्कफ़्लो को कवर करती है जो चेनिंग और पदानुक्रमित लेबल टैक्सोनॉमी के लिए ग्राउंड ट्रुथ का उपयोग करके उन्नत एमएल डेटा लेबलिंग वर्कफ़्लो को स्वचालित करती है। दूसरी पोस्ट में बताया गया है कि ग्राउंड ट्रुथ और वर्कर मेट्रिक्स से डेटासेट एनोटेशन पर डेटा लेक कैसे बनाएं और उन्नत एनालिटिक्स का उपयोग करके अंतर्दृष्टि प्राप्त करने या अपने कार्यकर्ताओं के प्रदर्शन और डेटासेट एनोटेशन गुणवत्ता का विश्लेषण करने के लिए इन डेटा लेक का उपयोग करें।
निम्नलिखित आरेख पदानुक्रमित वर्कफ़्लो को दर्शाता है, जिसका उपयोग आप अनुक्रमिक चरणों में लेबलिंग नौकरियों के समूहों को चलाने के लिए कर सकते हैं, या स्तर, जिसमें एक ही स्तर में प्रत्येक लेबलिंग कार्य समानांतर में चलता है।
समाधान दो मुख्य भागों से बना है:
- ऑर्केस्ट्रेशन वर्कफ़्लो को ट्रिगर करने के लिए एपीआई का उपयोग करें।
- लेबलिंग पाइपलाइन प्राप्त करने के लिए वर्कफ़्लो के अलग-अलग चरण चलाएँ।
एपीआई के साथ ऑर्केस्ट्रेशन वर्कफ़्लो को ट्रिगर करें
इस समाधान में लॉन्च किया गया क्लाउडफॉर्मेशन टेम्प्लेट बैच लेबलिंग नौकरियों को ट्रिगर करने के लिए आपके लिए एक एंडपॉइंट को उजागर करने के लिए एपीआई गेटवे का उपयोग करता है। आपके द्वारा एपीआई गेटवे एंडपॉइंट पर पोस्ट अनुरोध भेजने के बाद, यह वर्कफ़्लो को ट्रिगर करने के लिए एक लैम्ब्डा फ़ंक्शन चलाता है।
निम्न तालिका में रनिंग बैच से संबंधित दो मुख्य उपयोगकर्ता-सामना वाले एपीआई शामिल हैं, जो बहु-स्तरीय लेबलिंग नौकरियों का प्रतिनिधित्व करते हैं।
यूआरएल | अनुरोध का प्रकार | Description |
{endpointUrl}/बैच/create | पोस्ट | एपीआई लेबलिंग नौकरियों का एक नया बैच ट्रिगर करता है |
{endpointUrl}/बैच/शो | GET | एपीआई बैच जॉब रन की वर्तमान स्थिति का वर्णन करते हैं |
वर्कफ़्लो चलाएं
चरणों को व्यवस्थित करने के लिए, हम एक प्रबंधित समाधान के रूप में स्टेप फ़ंक्शंस का उपयोग करते हैं। जब बैच जॉब क्रिएशन एपीआई ट्रिगर होता है, तो लैम्ब्डा फ़ंक्शन निम्नलिखित की तरह स्टेप फ़ंक्शंस वर्कफ़्लो ट्रिगर करता है। यह एनोटेशन इनपुट प्रोसेसिंग शुरू करता है।
आइए चरणों पर अधिक विस्तार से चर्चा करें।
परिवर्तन चरण
पहला कदम डेटा को प्रीप्रोसेस करना है। वर्तमान कार्यान्वयन नोटबुक इनपुट को में परिवर्तित करता है आंतरिक मैनिफ़ेस्ट फ़ाइल डेटा प्रकार कई चरणों में साझा किया गया। यह चरण वर्तमान में कोई जटिल प्रसंस्करण नहीं करता है, लेकिन आप इस फ़ंक्शन में कस्टम डेटा प्रीप्रोसेसिंग तर्क जोड़कर इस चरण को और अनुकूलित कर सकते हैं। उदाहरण के लिए, यदि आपका डेटासेट कच्चे वीडियो में एन्कोड किया गया था, तो आप एक अलग नोटबुक के बजाय परिवर्तन के भीतर फ्रेम विभाजन और मैनिफ़ेस्ट जेनरेशन निष्पादित कर सकते हैं। वैकल्पिक रूप से, यदि आप 3डी पॉइंट क्लाउड लेबलिंग पाइपलाइन बनाने के लिए इस समाधान का उपयोग कर रहे हैं, तो आप कैमरा और LiDAR एक्सट्रिंसिक मैट्रिसेस का उपयोग करके विश्व समन्वय प्रणाली में पोज़ डेटा निकालने के लिए तर्क जोड़ना चाह सकते हैं।
ट्रिगरलेबलिंगफर्स्टलेवल
जब डेटा प्रीप्रोसेसिंग पूरी हो जाती है, तो ग्राउंड ट्रुथ एपीआई ऑपरेशन CreateLabelingJob लेबलिंग कार्य लॉन्च करने के लिए उपयोग किया जाता है। ये लेबलिंग नौकरियां पहले स्तर से जुड़े डेटासेट को एनोटेट करने के लिए जिम्मेदार हैं।
चेकफॉरफर्स्टलेवलकंप्लीट
यह चरण प्रतीक्षा करता है FIRST_LEVEL
ग्राउंड ट्रुथ लेबलिंग जॉब्स से ट्रिगर हुआ TriggerLabelingFirstStep
. जब कार्य ट्रिगर पूरा हो जाता है, तो यह चरण सभी निर्मित लेबलिंग कार्यों के पूरा होने की प्रतीक्षा करता है। एक बाहरी श्रोता लैम्ब्डा फ़ंक्शन लेबलिंग कार्यों की स्थिति की निगरानी करता है, और जब सभी लंबित लेबलिंग कार्य पूरे हो जाते हैं, तो यह चलता है sendTokenSucess
एपीआई अगले चरण पर आगे बढ़ने के लिए इस स्थिति को संकेत देगा। विफलता के मामलों को चरण परिभाषा में उचित त्रुटि खंड और टाइमआउट का उपयोग करके नियंत्रित किया जाता है।
सेकंड लेवल एसएनएस और चेक रिस्पांस भेजें
यह चरण प्रथम-स्तरीय कार्य के आउटपुट पर पोस्टप्रोसेसिंग करता है। उदाहरण के लिए, यदि आपकी आवश्यकताएँ समायोजन नौकरियों में केवल 10% फ़्रेम भेजने की हैं, तो आप पहली नौकरी से आउटपुट के सेट को फ़िल्टर करके इस तर्क को यहां लागू कर सकते हैं।
ट्रिगरलेबलिंगसेकंडलेवल
जब प्रथम स्तर से डेटा पोस्टप्रोसेसिंग पूरी हो जाती है, CreateLabelingJobs
दूसरे स्तर पर एनोटेशन को पूरा करने के लिए लेबलिंग कार्य लॉन्च करने के लिए उपयोग किया जाता है। इस स्तर पर, एक निजी कार्यबल प्रथम-स्तरीय लेबलिंग नौकरियों के एनोटेशन की गुणवत्ता की समीक्षा करता है और आवश्यकतानुसार एनोटेशन को अपडेट करता है।
चेकफॉरसेकंडलेवलकंप्लीट
यह चरण प्रतीक्षा चरण के समान ही है CheckForFirstLevelComplete
, लेकिन यह कदम केवल दूसरे स्तर से सृजित होने वाली नौकरियों की प्रतीक्षा करता है।
तीसरा स्तर एसएनएस भेजें और प्रतिक्रिया जांचें
यह चरण प्रसंस्करण के बाद का चरण जैसा ही है SendSecondLevelSNSAndCheckResponse
, लेकिन यह चरण दूसरे स्तर के आउटपुट की पोस्टप्रोसेसिंग करता है और तीसरे स्तर के लेबलिंग कार्य में इनपुट के रूप में फ़ीड करता है।
ट्रिगरलेबलिंगथर्डलेवल
यह वैसा ही तर्क है TriggerLabelingSecondLevel
, लेकिन लेबलिंग कार्य चालू हो जाते हैं जिन्हें तीसरे स्तर के रूप में एनोटेट किया जाता है। इस स्तर पर, निजी कार्यबल दूसरे स्तर के लेबलिंग कार्य की गुणवत्ता के लिए एनोटेशन अपडेट कर रहा है।
CopyLogsAndSendBatchपूर्ण
यह लैम्ब्डा फ़ंक्शन उपयोगकर्ताओं को सूचित करने के लिए लॉग करता है और एसएनएस संदेश भेजता है कि बैच पूरा हो गया है। यह किसी भी पोस्ट-प्रोसेसिंग लॉजिक के लिए प्लेसहोल्डर भी है जिसे आप चलाना चाहते हैं। सामान्य पोस्टप्रोसेसिंग में लेबल किए गए डेटा को ग्राहक-विशिष्ट डेटा प्रारूप के साथ संगत प्रारूप में बदलना शामिल है।
.. पूर्वापेक्षाएँ
आरंभ करने से पहले, सुनिश्चित करें कि आपके पास निम्नलिखित शर्तें हैं:
- An AWS खाता.
- स्मरण पुस्तक AWS पहचान और अभिगम प्रबंधन (IAM) भूमिका इस वॉकथ्रू को पूरा करने के लिए आवश्यक अनुमतियों के साथ। आपकी IAM भूमिका में आवश्यक अनुमतियाँ संलग्न होनी चाहिए। यदि आपको विस्तृत अनुमति की आवश्यकता नहीं है, तो निम्नलिखित AWS प्रबंधित नीतियाँ संलग्न करें:
AmazonS3FullAccess
AmazonAPIGatewayInvokeFullAccess
AmazonSageMakerFullAccess
- जमीनी सच्चाई, एडब्ल्यूएस क्लाउडफॉर्मेशन और स्टेप फ़ंक्शंस से परिचित।
- एक सेजमेकर कर्मचारियों की संख्या. इस पोस्ट के लिए, हम एक निजी कार्यबल का उपयोग करते हैं। आप सेजमेकर कंसोल पर एक कार्यबल बना सकते हैं। ध्यान दें अमेज़ॅन कॉग्निटो आपका कार्यबल बनने के बाद उपयोगकर्ता पूल पहचानकर्ता और ऐप क्लाइंट पहचानकर्ता। आप इन मानों का उपयोग क्लाउडफॉर्मेशन स्टैक परिनियोजन को यह बताने के लिए करते हैं कि कार्य दल बनाने के लिए कौन सा कार्यबल है, जो लेबलर्स के समूह का प्रतिनिधित्व करता है। आप इन मूल्यों को इसमें पा सकते हैं निजी कार्यबल सारांश अपना कार्यबल बनाने के बाद, या जब आप कॉल करते हैं, तो कंसोल पर अनुभाग कार्यदल का वर्णन करें.
निम्नलिखित GIF दर्शाता है कि निजी कार्यबल कैसे बनाया जाए। चरण-दर-चरण निर्देशों के लिए देखें लेबलिंग वर्कफोर्स पेज का उपयोग करके अमेज़ॅन कॉग्निटो वर्कफोर्स बनाएं.
CloudFormation स्टैक लॉन्च करें
अब जब हमने समाधान की संरचना देख ली है, तो हम इसे अपने खाते में तैनात कर देते हैं ताकि हम एक उदाहरण वर्कफ़्लो चला सकें। हमारे सभी परिनियोजन चरण AWS क्लाउडफ़ॉर्मेशन द्वारा प्रबंधित किए जाते हैं - यह आपके लिए लैम्ब्डा, स्टेप फ़ंक्शंस, डायनेमोडीबी और एपीआई गेटवे में संसाधन बनाता है।
आप स्टैक को AWS क्षेत्र में लॉन्च कर सकते हैं us-east-1
चुनकर CloudFormation कंसोल पर स्टैक लॉन्च करें:
क्लाउडफॉर्मेशन कंसोल पर, चयन करें अगला, और फिर समाधान को अनुकूलित करने के लिए निम्नलिखित टेम्पलेट पैरामीटर को संशोधित करें।
आप SageMaker कंसोल में CognitoUserPoolClientId और CognitoUserPoolId का पता लगा सकते हैं।
- CognitoUserPoolClientId: आपके निजी कार्यबल की ऐप क्लाइंट आईडी।
- कॉग्निटोयूजरपूलआईडी: आपके निजी कार्यबल से संबद्ध उपयोगकर्ता पूल की आईडी।
कंसोल में इन मानों का पता लगाने के लिए:
- सेजमेकर कंसोल को यहां खोलें https://console.aws.amazon.com/sagemaker/
- चुनते हैं लेबलिंग कार्यबल नेविगेशन फलक में
- का चयन निजी
- में मानों का उपयोग करें निजी कार्य दल सारांश उपयोग ऐप क्लाइंट CognitoUserPoolClientId और उपयोग के लिए अमेज़ॅन कॉग्निटो उपयोगकर्ता पूल के लिए CognitoUserPoolId.
इस ट्यूटोरियल के लिए, आप निम्नलिखित मापदंडों के लिए डिफ़ॉल्ट मानों का उपयोग कर सकते हैं।
- ग्लूजॉबट्रिगरक्रॉन: AWS ग्लू क्रॉन जॉब की रिपोर्टिंग शेड्यूल करते समय उपयोग की जाने वाली क्रॉन अभिव्यक्ति। सेजमेकर ग्राउंड ट्रुथ और कार्यकर्ता प्रदर्शन मेट्रिक्स के साथ उत्पन्न एनोटेशन के परिणामों का उपयोग अमेज़ॅन क्विकसाइट में डैशबोर्ड बनाने के लिए किया जाता है। इसके बारे में दूसरे भाग में विस्तार से बताया जाएगा. एडब्ल्यूएस ग्लू के साथ डेटा को संसाधित करने के बाद सेजमेकर एनोटेशन और कार्यकर्ता प्रदर्शन मेट्रिक्स के आउटपुट एथेना प्रश्नों में दिखाई देते हैं। डिफ़ॉल्ट रूप से, AWS ग्लू क्रॉन जॉब्स हर घंटे चलती हैं।
- कार्य पूरा करने का समय समाप्त: किसी लेबलिंग कार्य को विफल मानने और बैच एरर स्थिति में जाने से पहले प्रतीक्षा करने के लिए सेकंड की संख्या।
- लॉगिंगस्तर: इसका उपयोग आंतरिक रूप से किया जाता है और इसे अनदेखा किया जा सकता है। लॉग की वर्बोसिटी बदलने के लिए लॉगिंग स्तर। DEBUG और PROD मान स्वीकार करता है।
उपसर्ग: लेबलिंग नौकरियों और कार्यकर्ता मेट्रिक्स को बनाने और प्रबंधित करने के लिए उपयोग किए जाने वाले संसाधनों का नामकरण करते समय उपयोग करने के लिए एक उपसर्ग।
किसी भिन्न AWS क्षेत्र में स्टैक लॉन्च करने के लिए, README में पाए गए निर्देशों का उपयोग करें गिटहब भंडार.
आपके द्वारा समाधान तैनात करने के बाद, आपके द्वारा पहले बनाए गए निजी कार्यबल में दो नई कार्य टीमें शामिल होंगी: smgt-workflow-first-level
और smgt-workflow-second-level
. यदि कोई ओवरराइड निर्दिष्ट नहीं है तो ये समाधान द्वारा उपयोग की जाने वाली डिफ़ॉल्ट कार्य टीमें हैं, और smgt-workflow-second-level
कार्य दल का उपयोग दूसरे स्तर और तीसरे स्तर की नौकरियों को लेबल करने के लिए किया जाता है। समाधान द्वारा बनाए गए लेबलिंग कार्यों को देखने के लिए आपको स्वयं को दोनों कार्य टीमों में जोड़ना चाहिए। स्वयं को निजी कार्य दल में कैसे जोड़ें, यह जानने के लिए देखें श्रमिकों को जोड़ें या हटाएँ.
आपको एपीआई गेटवे कंसोल पर भी जाना होगा और उपसर्ग में तैनात एपीआई को देखना होगा smgt-workflow
और उसकी आईडी नोट कर लें. नोटबुक को इस आईडी को संदर्भित करने की आवश्यकता है ताकि यह निर्धारित कर सके कि किस एपीआई यूआरएल को कॉल करना है।
नोटबुक लॉन्च करें
अपने खाते में समाधान तैनात करने के बाद, आप इसके साथ इंटरैक्ट करने और नए वर्कफ़्लो शुरू करने के लिए एक नोटबुक लॉन्च करने के लिए तैयार हैं। इस अनुभाग में, हम निम्नलिखित चरणों से गुजरते हैं:
- नोटबुक इंस्टेंस को सेट अप करें और उस तक पहुंचें।
- उदाहरण डेटासेट प्राप्त करें.
- ग्राउंड ट्रुथ इनपुट फ़ाइलें तैयार करें.
सेजमेकर नोटबुक इंस्टेंस सेट करें
इस उदाहरण नोटबुक में, आप सीखेंगे कि वाहन वर्ग और लेन वर्ग से युक्त एक सरल वर्गीकरण को ग्राउंड ट्रुथ लेबल श्रेणी कॉन्फ़िगरेशन फ़ाइलों में कैसे मैप किया जाए। एक लेबल श्रेणी कॉन्फ़िगरेशन फ़ाइल का उपयोग उन लेबलों को परिभाषित करने के लिए किया जाता है जिनका उपयोग कार्यकर्ता आपकी छवियों को एनोटेट करने के लिए करते हैं। इसके बाद, आप सीखते हैं कि क्लाउडफॉर्मेशन टेम्पलेट का उपयोग करके पाइपलाइन चलाने वाले समाधान को कैसे लॉन्च और कॉन्फ़िगर किया जाए। आप इस कोड को और भी अनुकूलित कर सकते हैं, उदाहरण के लिए कार्य प्रकारों के एक अलग संयोजन के लिए लेबलिंग चलाने के लिए बैच निर्माण एपीआई कॉल को अनुकूलित करके।
नोटबुक इंस्टेंस बनाने और इस पोस्ट में प्रयुक्त नोटबुक तक पहुंचने के लिए, निम्नलिखित चरणों को पूरा करें:
- एक नोटबुक उदाहरण बनाएँ निम्नलिखित मापदंडों के साथ:
- नोटबुक इंस्टेंस लॉन्च करने के लिए ml.t2.medium का उपयोग करें।
- एमएल स्टोरेज वॉल्यूम का आकार कम से कम 10 जीबी तक बढ़ाएं।
- पूर्वापेक्षाओं में वर्णित नोटबुक IAM भूमिका का चयन करें। यह भूमिका आपके नोटबुक को आपके डेटासेट को Amazon S3 पर अपलोड करने और समाधान API को कॉल करने की अनुमति देती है।
- ज्यूपिटर लैब या ज्यूपिटर खोलें अपने नोटबुक इंस्टेंसेस तक पहुंचें.
- ज्यूपिटर में, चुनें सेजमेकर उदाहरण ज्यूपिटर लैब में, सेजमेकर आइकन चुनें।
- चुनें जमीनी सच्चाई लेबलिंग नौकरियाँ और फिर नौकरी चुनें Sagemaker_ground_truth_workflows.ipynb.
- यदि आप ज्यूपिटर का उपयोग कर रहे हैं, तो चुनें उपयोग नोटबुक को अपने इंस्टेंस पर कॉपी करने और उसे चलाने के लिए। यदि आप ज्यूपिटर लैब में हैं, तो चुनें एक प्रति बनाएँ.
उदाहरण डेटासेट प्राप्त करें
अपना डेटासेट सेट करने के लिए निम्नलिखित चरणों को पूरा करें:
- का उपयोग करके MOT17.zip डाउनलोड करें डेटासेट डाउनलोड करें नोटबुक का अनुभाग।
यह डाउनलोड लगभग 5 जीबी का है और इसमें कई मिनट लगते हैं।
- नोटबुक का उपयोग करके MOT17.zip को अनज़िप करें डेटासेट को अनज़िप करें
- के नीचे डेटा को S3 पर कॉपी करें हेडर, वीडियो फ़्रेम डेटासेट के एक सेट को Amazon S3 पर कॉपी करने के लिए सेल चलाएँ।
जमीनी सच्चाई इनपुट फ़ाइलें तैयार करें
समाधान का उपयोग करने के लिए, हमें एक मेनिफेस्ट फ़ाइल बनाने की आवश्यकता है। यह फ़ाइल जमीनी सच्चाई बताती है कि आपका डेटासेट कहाँ है। हमें अपने लेबल नामों का वर्णन करने के लिए दो लेबल श्रेणी कॉन्फ़िगरेशन फ़ाइलों और प्रत्येक (बाउंडिंग बॉक्स या पॉलीलाइन) के लिए उपयोग करने के लिए लेबलिंग टूल की भी आवश्यकता है।
- के अंतर्गत कक्ष चलाएँ मेनिफेस्ट जनरेट करें डेटासेट से किसी वीडियो में फ़्रेम की सूची प्राप्त करने के लिए। उदाहरण के तौर पर हम वीडियो के आधे फ्रेम दर पर 150 फ्रेम लेते हैं।
- के अंतर्गत कक्ष चलाना जारी रखें मेनिफेस्ट जनरेट करें हमारे वीडियो फ़्रेमों का वर्णन करने वाली एक अनुक्रम फ़ाइल बनाने के लिए, और फिर हमारी अनुक्रम फ़ाइल का संदर्भ देने वाली एक मैनिफ़ेस्ट फ़ाइल बनाने के लिए।
- सेल को नीचे चलाएँ लेबल श्रेणी कॉन्फ़िगरेशन फ़ाइलें जेनरेट करें दो नई फ़ाइलें बनाने के लिए: एक वाहन लेबल कॉन्फ़िगरेशन फ़ाइल (जो बाउंडिंग बॉक्स टूल का उपयोग करती है), और एक लेन लेबल कॉन्फ़िगरेशन फ़ाइल (जो पॉलीलाइन टूल का उपयोग करती है)।
- मैनिफ़ेस्ट फ़ाइल की प्रतिलिपि बनाएँ और श्रेणी कॉन्फ़िगरेशन फ़ाइलों को चलाकर Amazon S3 पर लेबल करें S3 पर डेटा भेजें
इस बिंदु पर, आपने लेबलिंग कार्यों के लिए सभी इनपुट तैयार कर लिए हैं और समाधान का संचालन शुरू करने के लिए तैयार हैं।
ग्राउंड ट्रुथ वीडियो फ़्रेम लेबलिंग जॉब्स और चेनिंग के बारे में अधिक जानने के लिए, निम्नलिखित संदर्भ देखें:
एक उदाहरण वर्कफ़्लो चलाएँ
इस अनुभाग में, हम ऑटोमोटिव डेटासेट पर एक उदाहरण वर्कफ़्लो चलाने के चरणों पर चलते हैं। हम एक बहु-मोडैलिटी वर्कफ़्लो बनाते हैं, प्रारंभिक और ऑडिट लेबलिंग दोनों करते हैं, फिर हमारे पूर्ण एनोटेशन देखते हैं।
वर्कफ़्लो बैच बनाएं
यह समाधान वीडियो ऑब्जेक्ट ट्रैकिंग बाउंडिंग बॉक्स जॉब और पॉलीलाइन जॉब दोनों को चलाने के लिए ग्राउंड ट्रुथ लेबलिंग जॉब के वर्कफ़्लो को व्यवस्थित करता है, साथ ही प्रारंभिक लेबलिंग के बाद स्वचालित रूप से समायोजन जॉब बनाता है। इस वर्कफ़्लो बैच को इसके माध्यम से कॉन्फ़िगर किया गया है batch_create
समाधान के लिए एपीआई उपलब्ध है।
सेल को नीचे चलाएँ बैच निर्माण डेमो नोटबुक में. यह आपके इनपुट मेनिफेस्ट और लेबल श्रेणी कॉन्फ़िगरेशन S3 URI को एक नए वर्कफ़्लो बैच में भेजता है।
सेल को नव निर्मित वर्कफ़्लो बैच की आईडी आउटपुट करनी चाहिए, उदाहरण के लिए:
लेबलिंग कार्यों का पहला दौर पूरा करें
लेबलिंग पूरा करने वाले श्रमिकों का अनुकरण करने के लिए, हम प्रथम-स्तरीय ग्राउंड ट्रुथ कार्य टीम में एक कार्यकर्ता के रूप में लॉग इन करते हैं और लेबलिंग कार्य पूरा करते हैं।
- सेल को नीचे चलाएँ वर्कर पोर्टल पर साइन-इन करें वर्कर पोर्टल पर लॉग इन करने के लिए एक लिंक प्राप्त करने के लिए।
यदि आपने स्वयं को समाधान-निर्मित प्रथम-स्तरीय और द्वितीय-स्तरीय कार्य टीमों में आमंत्रित किया है, तो आपके ईमेल पते पर निमंत्रण पहले ही भेजा जाना चाहिए।
- लॉग इन करें और कार्यकर्ता पोर्टल में कार्यों के प्रदर्शित होने की प्रतीक्षा करें।
दो कार्य उपलब्ध होने चाहिए, एक अंत के साथ vehicle
और एक में समाप्त हो रहा है lane
, वर्कफ़्लो बैच निर्माण के दौरान हमारे द्वारा बनाई गई दो नौकरियों के अनुरूप।
- प्रत्येक कार्य खोलें और छवि फ़्रेमों को चुनकर और खींचकर कुछ डमी लेबल जोड़ें।
- चुनें सब्मिट प्रत्येक कार्य पर.
लेबलिंग कार्यों का दूसरा दौर पूरा करें
हमारे वर्कफ़्लो ने निर्दिष्ट किया कि हम प्रत्येक प्रथम-स्तरीय कार्य के लिए समायोजन कार्य स्वतः लॉन्च करना चाहते थे। अब हम लेबलिंग कार्यों का दूसरा दौर पूरा करते हैं।
- अभी भी वर्कर पोर्टल में, कार्यों की प्रतीक्षा करें
vehicle-audit
औरlane-audit
उपस्थित होना। - वर्कर पोर्टल में प्रत्येक कार्य को खोलें, यह ध्यान में रखते हुए कि पिछले स्तर के लेबल अभी भी दिखाई दे रहे हैं।
ये समायोजन कार्य एक अलग कार्य दल में अधिक उच्च प्रशिक्षित गुणवत्ता आश्वासन समूह द्वारा किए जा सकते हैं।
- इच्छानुसार समायोजन करें और चुनें पास or विफल प्रत्येक एनोटेशन पर.
- जब आप समाप्त कर लें, तो चुनें सब्मिट.
पूर्ण एनोटेशन देखें
हम बैच शो एपीआई चलाकर पूर्ण वर्कफ़्लो बैच के बारे में विवरण देख सकते हैं।
- सेल को नीचे चलाएँ बैच शो डेमो.
यह सभी पूर्ण वर्कफ़्लो रन बैचों के लिए समाधान के डेटाबेस पर सवाल उठाता है, और आपका बैच पूरा होने पर आपकी बैच आईडी को आउटपुट करना चाहिए।
- हम नीचे दिए गए सेल को चलाकर बैच के बारे में अधिक विशिष्ट विवरण प्राप्त कर सकते हैं बैच विस्तृत शो डेमो.
यह सिस्टम में एक बैच की आईडी लेता है और प्रत्येक निर्मित कार्य के लिए स्थिति की जानकारी और सभी इनपुट और आउटपुट मैनिफ़ेस्ट के स्थान लौटाता है।
- कॉपी करें और फ़ील्ड दर्ज करें
jobOutputS3Url
किसी भी कार्य के लिए और सत्यापित करें कि उस कार्य के लिए मैनिफ़ेस्ट फ़ाइल डाउनलोड हो गई है।
इस फ़ाइल में आपके इनपुट डेटा अनुक्रम के साथ-साथ प्रत्येक अनुक्रम के लिए आउटपुट एनोटेशन के S3 URI का संदर्भ शामिल है।
अंतिम परिणाम
जब पाइपलाइन में सभी लेबलिंग कार्य पूरे हो जाते हैं, तो एक एसएनएस संदेश प्रकाशित होता है डिफ़ॉल्ट स्थिति एसएनएस विषय. आप एसएनएस विषयों की सदस्यता ले सकते हैं समाधान की कार्यक्षमता को सत्यापित करने के लिए एक ईमेल पते का उपयोग करना। संदेश में बैच निर्माण के दौरान उपयोग की गई बैच आईडी, बैच पूरा होने के बारे में एक संदेश और वही जानकारी शामिल है batch/show
एपीआई एक के तहत प्रदान करता है batchInfo
चाबी। आप पाइपलाइन के दूसरे स्तर में पूर्ण लेबलिंग कार्यों के बारे में मेटाडेटा निकालने के लिए इस संदेश को पार्स कर सकते हैं।
प्रत्येक कार्य मेटाडेटा ब्लॉब के भीतर, a jobOutputS3Url
फ़ील्ड में इस विशेष कार्य के आउटपुट मेनिफ़ेस्ट तक पहुँचने के लिए एक निर्धारित URL होता है। आउटपुट मेनिफेस्ट में संवर्धित मेनिफेस्ट प्रारूप में डेटा लेबलिंग के परिणाम शामिल हैं, जिसे आप JSON ऑब्जेक्ट को अनुक्रमित करके एनोटेशन पुनर्प्राप्त करने के लिए पार्स कर सकते हैं <jobName>-ref
. यह फ़ील्ड एक S3 स्थान को इंगित करता है जिसमें दिए गए वीडियो क्लिप के लिए सभी एनोटेशन शामिल हैं।
उदाहरण के लिए, बाउंडिंग बॉक्स जॉब के लिए, SeqLabel.json
फ़ाइल में प्रत्येक एनोटेटेड फ्रेम के लिए बाउंडिंग बॉक्स एनोटेशन शामिल हैं (इस मामले में, केवल पहला फ्रेम एनोटेट किया गया है):
क्योंकि बैच पूर्णता एसएनएस संदेश में समानांतर में लॉन्च की गई नौकरियों से सभी आउटपुट मेनिफेस्ट फ़ाइलें शामिल हैं, आप इस संदेश के आधार पर अपने एनोटेशन की कोई भी पोस्टप्रोसेसिंग कर सकते हैं। उदाहरण के लिए, यदि आपके पास इन एनोटेशन के लिए एक विशिष्ट क्रमांकन प्रारूप है जो वाहन बाउंडिंग बॉक्स और लेन एनोटेशन को जोड़ता है, तो आप लेन जॉब के साथ-साथ वाहन जॉब का आउटपुट मेनिफेस्ट प्राप्त कर सकते हैं, फिर फ्रेम संख्या के आधार पर मर्ज कर सकते हैं और अपने इच्छित में परिवर्तित कर सकते हैं अंतिम प्रारूप.
ग्राउंड ट्रुथ आउटपुट डेटा प्रारूपों के बारे में अधिक जानने के लिए देखें उत्पादित आंकड़े.
क्लीन अप
भविष्य के शुल्कों से बचने के लिए, चलाएँ क्लीन अप S3 ऑब्जेक्ट और क्लाउडफ़ॉर्मेशन स्टैक सहित सभी संसाधनों को हटाने के लिए नोटबुक का अनुभाग। जब विलोपन पूरा हो जाए, तो उस नोटबुक इंस्टेंस को रोकना और हटाना सुनिश्चित करें जो वर्तमान नोटबुक स्क्रिप्ट को होस्ट कर रहा है।
निष्कर्ष
यह दो-भाग श्रृंखला आपको एक उन्नत डेटा लेबलिंग वर्कफ़्लो बनाने के लिए एक संदर्भ आर्किटेक्चर प्रदान करती है जिसमें मल्टी-स्टेप डेटा लेबलिंग पाइपलाइन, समायोजन कार्य और संबंधित डेटासेट एनोटेशन और वर्कर मेट्रिक्स के साथ-साथ अपडेट किए गए डैशबोर्ड के लिए डेटा लेक शामिल हैं।
इस पोस्ट में, आपने सीखा कि वीडियो फ्रेम डेटा कैसे लें और दो अलग-अलग प्रकार के एनोटेशन (बाउंडिंग बॉक्स और पॉलीलाइन) उत्पन्न करते हुए, कई ग्राउंड ट्रुथ लेबलिंग नौकरियों को चलाने के लिए वर्कफ़्लो को कैसे ट्रिगर करें। आपने यह भी सीखा कि आप लेबल किए गए डेटासेट के ऑडिट और सत्यापन के लिए पाइपलाइन का विस्तार कैसे कर सकते हैं और ऑडिट किए गए परिणामों को कैसे पुनः प्राप्त कर सकते हैं। अंत में, आपने देखा कि बैचशो एपीआई का उपयोग करके बैच नौकरियों की वर्तमान प्रगति का संदर्भ कैसे दिया जाए।
ग्राउंड ट्रुथ डेटासेट एनोटेशन और ग्राउंड ट्रुथ से वर्कर मेट्रिक्स के लिए डेटा लेक के बारे में अधिक जानकारी के लिए, वापस देखें जमीनी सच्चाई ब्लॉग इस शृंखला में दूसरे ब्लॉग पोस्ट के लिए (जल्द ही आ रहा है)।
बाहर की कोशिश करो नोटबुक और अतिरिक्त नौकरियों या ऑडिट चरणों को जोड़कर, या नौकरियों के डेटा मोडेलिटी को संशोधित करके इसे अपने इनपुट डेटासेट के लिए अनुकूलित करें। का और अधिक अनुकूलन समाधान इसमें निम्नलिखित शामिल हो सकते हैं, लेकिन यह इन्हीं तक सीमित नहीं है:
- अतिरिक्त प्रकार के एनोटेशन जैसे सिमेंटिक सेगमेंटेशन मास्क या कीपॉइंट जोड़ना
- समीक्षा के अगले स्तर पर केवल निम्न-गुणवत्ता वाले एनोटेशन भेजने के लिए स्टेप फ़ंक्शंस वर्कफ़्लो में स्वचालित गुणवत्ता आश्वासन और फ़िल्टरिंग जोड़ना
- अतिरिक्त, अधिक विशिष्ट प्रकार की समीक्षाओं के लिए गुणवत्ता समीक्षा के तीसरे या चौथे स्तर को जोड़ना
यह समाधान स्टेप फ़ंक्शंस के शीर्ष पर सर्वर रहित तकनीकों का उपयोग करके बनाया गया है, जो इसे विभिन्न प्रकार के अनुप्रयोगों के लिए अत्यधिक अनुकूलन योग्य और लागू बनाता है।
लेखक के बारे में
विद्या सागर रविपति में एक डीप लर्निंग आर्किटेक्ट है अमेज़न एमएल सॉल्यूशंस लैब, जहां वह बड़े पैमाने पर वितरित प्रणालियों में अपने विशाल अनुभव का लाभ उठाता है और विभिन्न उद्योग कार्यक्षेत्रों में AWS ग्राहकों की मदद करने के लिए मशीन लर्निंग के लिए उनका जुनून उनके AI और क्लाउड अपनाने में तेजी लाता है। पहले, वह अमेज़ॅन में कनेक्टिविटी सर्विसेज में मशीन लर्निंग इंजीनियर थे, जिन्होंने निजीकरण और भविष्य कहनेवाला रखरखाव प्लेटफार्मों का निर्माण करने में मदद की।
जेरेमी फेल्टरको अमेज़ॅन वेब सर्विसेज में अमेज़न एमएल सॉल्यूशंस लैब के साथ एक सॉफ्टवेयर डेवलपमेंट इंजीनियर है। वह कंप्यूटर पृष्ठभूमि, रोबोटिक्स और मशीन लर्निंग में अपनी पृष्ठभूमि का उपयोग करता है, जिससे AWS ग्राहकों को अपने AI गोद लेने में तेजी लाने में मदद मिलती है।
जे सुंग जंग एक सॉफ्टवेयर डेवलपमेंट इंजीनियर है। उनका जुनून व्यापार निष्पादन सुनिश्चित करने के लिए एआई सॉल्यूशंस और ऑर्केस्ट्रेशन प्रौद्योगिकियों का उपयोग करके मैन्युअल प्रक्रिया को स्वचालित करने के साथ है।
तालिया चोपड़ा AWS में एक तकनीकी लेखक हैं जो मशीन लर्निंग और आर्टिफिशियल इंटेलिजेंस में विशेषज्ञता रखते हैं। वह Amazon SageMaker, MxNet और AutoGluon का उपयोग करने वाले ग्राहकों के लिए तकनीकी दस्तावेज़ीकरण और ट्यूटोरियल बनाने के लिए AWS में कई टीमों के साथ काम करती है।
- "
- 100
- 107
- 3d
- 7
- 98
- पहुँच
- लेखा
- अतिरिक्त
- दत्तक ग्रहण
- AI
- एआई गोद लेना
- कलन विधि
- सब
- की अनुमति दे
- वीरांगना
- अमेज़न SageMaker
- अमेज़ॅन सैजमेकर ग्राउंड ट्रुथ
- अमेज़ॅन वेब सेवा
- विश्लेषिकी
- एपीआई
- एपीआई
- अनुप्रयोग
- अनुप्रयोगों
- स्थापत्य
- कृत्रिम बुद्धिमत्ता
- आडिट
- स्वचालित
- मोटर वाहन
- एडब्ल्यूएस
- ब्लॉग
- मुक्केबाज़ी
- निर्माण
- इमारत
- व्यापार
- कॉल
- मामलों
- परिवर्तन
- प्रभार
- जाँचता
- बादल
- बादल को गोद लेना
- कोड
- अ रहे है
- सामान्य
- गणना करना
- Computer Vision
- कनेक्टिविटी
- लागत
- बनाना
- क्रूज
- वर्तमान
- वर्तमान स्थिति
- ग्राहक
- डैशबोर्ड
- तिथि
- डेटा लेक
- आँकड़े की गुणवत्ता
- डाटाबेस
- ध्यान लगा के पढ़ना या सीखना
- मांग
- विस्तार
- विकास
- ईमेल
- endpoint
- इंजीनियर
- निष्पादन
- विफलता
- फैशन
- प्रथम
- प्रारूप
- मुक्त
- समारोह
- भविष्य
- सामान्य जानकारी
- gif
- समूह
- यहाँ उत्पन्न करें
- हाई
- होस्टिंग
- कैसे
- How To
- HTTPS
- आई ए एम
- नायक
- पहचान करना
- पहचान
- की छवि
- सहित
- उद्योग
- करें-
- अंतर्दृष्टि
- बुद्धि
- IT
- काम
- नौकरियां
- कुंजी
- लेबलिंग
- लेबल
- बड़ा
- लांच
- जानें
- सीखा
- सीख रहा हूँ
- स्तर
- सौदा
- सीमित
- LINK
- सूची
- स्थान
- यंत्र अधिगम
- प्रबंध
- नक्शा
- मास्क
- मध्यम
- मेट्रिक्स
- ML
- आदर्श
- नामों
- पथ प्रदर्शन
- अधिसूचना
- परिचालन
- आदेश
- अन्य
- पैटर्न
- प्रदर्शन
- निजीकरण
- प्लेटफार्म
- नीतियाँ
- पूल
- द्वार
- कीमत निर्धारण
- निजी
- प्रस्तुत
- गुणवत्ता
- कच्चा
- को कम करने
- आवश्यकताएँ
- उपयुक्त संसाधन चुनें
- परिणाम
- रिटर्न
- की समीक्षा
- समीक्षा
- रोबोटिक्स
- रन
- दौड़ना
- sagemaker
- स्केल
- माध्यमिक
- कई
- serverless
- सेवाएँ
- सेट
- साझा
- सरल
- आकार
- So
- सॉफ्टवेयर
- सॉफ्टवेयर विकास
- समाधान ढूंढे
- अंतरिक्ष
- ट्रेनिंग
- प्रारंभ
- शुरू
- राज्य
- राज्य
- स्थिति
- भंडारण
- सफलता
- समर्थन
- समर्थन करता है
- प्रणाली
- सिस्टम
- तकनीकी
- टेक्नोलॉजीज
- बताता है
- परीक्षण
- पहर
- टोकन
- ऊपर का
- ट्रैकिंग
- प्रशिक्षण
- परिवर्तन
- इलाज
- ट्यूटोरियल
- ट्यूटोरियल
- अपडेट
- यूआरआइ
- उपयोगकर्ताओं
- वाहन
- वाहन
- वीडियो
- वीडियो
- देखें
- दृष्टि
- आयतन
- प्रतीक्षा
- वेब
- वेब सेवाओं
- कौन
- अंदर
- काम
- श्रमिकों
- वर्कफ़्लो
- कार्यबल
- कार्य
- विश्व
- लेखक