删除人工循环 - Amazon SageMaker
AWS 文档中描述的 AWS 服务或功能可能因区域而异。要查看适用于中国区域的差异,请参阅中国的 AWS 服务入门

本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。

删除人工循环

删除人工循环时,状态将更改为 Deleting。删除人工循环后,关联的人工审核任务将不再可供工作人员使用。您可能希望在以下情况下之一删除人工循环:

  • 用于生成工作人员 UI 的工作人员任务模板无法正常呈现或无法按预期运行。

  • 单个数据对象被意外地发送给工作人员多次。

  • 您不再需要人工审核的数据对象。

如果人工循环的状态为 InProgress,则必须先停止人工循环,然后再将其删除。当您停止人工循环时,状态将在它停止Stopping时变为 。当状态更改为 时Stopped,您可以删除人工循环。

如果工作人员在您停止关联的人工循环时已在处理某个任务,则该任务将继续可用,直到完成或过期。只要工作人员仍在处理某个任务,您的人工循环的状态为 Stopping。如果这些任务已完成,则结果将存储在人工审核工作流程中指定的 Amazon S3 存储桶 URI 中。如果工作线程在未提交工作的情况下离开任务,则任务将停止,工作线程无法返回到任务。如果没有工作线程已开始处理该任务,则它会立即停止。

如果您删除用于创建人工循环的 AWS 账户,它将自动停止并删除。

人工循环数据保留和删除

当工作人员完成人工审核任务时,结果将存储在您在用于创建人工循环的人工审核工作流程中指定的Amazon S3输出存储桶中。删除或停止人工循环不会从 S3 存储桶中删除任何工作人员应答。

此外, Amazon A2I 临时存储人工循环输入和输出数据,原因如下:

  • 如果您将人工循环配置为将单个数据对象发送给多个工作人员以进行审查,则 Amazon A2I 不会将输出数据写入您的 S3 存储桶,直到所有工作人员都完成审核任务。 将来自各个工作人员Amazon A2I的部分答案——存储在内部,以便它可以将完整结果写入您的 S3 存储桶。

  • 如果您报告低质量人工审核结果, Amazon A2I 可以调查和响应您的问题。

  • 如果您无法访问或删除用于创建人工循环的人工审核工作流程中指定的输出 S3 存储桶,并且任务已发送给一个或多个工作人员,则 Amazon A2I 需要一个位置来临时存储人工审核结果。

Amazon A2I 在人工循环状态变为以下之一后 30 天, 将在内部删除此数据Deleted:、 StoppedCompleted。换句话说,在完成、停止或删除人工循环后 30 天,将删除数据。此外,如果您关闭用于创建关联的人工循环的 AWS 账户,此数据将在 30 天后删除。

使用控制台或 Amazon A2I API 停止和删除流定义

您可以在 Augmented AI 控制台中或使用 SageMaker API 停止和删除人工循环。删除人工循环后,状态更改为 Deleted

删除人工循环(控制台)

  1. 导航到 Augmented AI 控制台 (https://console.aws.amazon.com/a2i/

  2. 在导航窗格中的 Augmented AI 部分下,选择 Human review workflows (人工审查工作流程)

  3. 选择用于创建要删除的人工循环的人工审核工作流程的超链接名称。

  4. 在页面底部的人工循环部分中,选择要停止和删除的人工循环。

  5. 如果人工循环状态为 CompletedStoppedFailed,请选择 Delete (删除)。

    如果人工循环 Status (状态) 为 InProgress,请选择 Stop (停止)。当状态更改为 Stopped (已停止) 时,选择 Delete (删除)。

删除人工循环 (API)

  1. 使用 Augmented AI 运行时 API 操作 检查人工循环的状态DescribeHumanLoop。请参阅下表中使用此操作的示例。

    适用于 Python (Boto3) 的 AWS 软件开发工具包

    以下示例使用 适用于 Python (Boto3) 的开发工具包 描述名为 的人工循环 example-human-loop。 有关更多信息,请参阅 中的 https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/sagemaker-a2i-runtime.html#AugmentedAIRuntime.Client.describe_human_loop AWS SDK for Python (Boto) API Referencedescribe_human_loop。

    import boto3 a2i_runtime_client = boto3.client('sagemaker-a2i-runtime') response = a2i_runtime_client.describe_human_loop(HumanLoopName='example-human-loop') human_loop_status = response['HumanLoopStatus'] print(f'example-human-loop status is: {human_loop_status}')
    AWS CLI

    以下示例使用 AWS CLI 描述名为 的人工循环 example-human-loop。 有关更多信息,请参阅 中的 https://docs.amazonaws.cn/cli/latest/reference/sagemaker-a2i-runtime/describe-human-loop.html AWS CLI Command Referencedescribe-human-loop。

    $ aws sagemaker-a2i-runtime describe-human-loop --human-loop-name 'example-human-loop'
  2. 如果流定义状态为 CompletedStoppedFailed,请使用 Augmented AI 运行时 API 操作 删除流定义DeleteHumanLoop

    适用于 Python (Boto3) 的 AWS 软件开发工具包

    以下示例使用 适用于 Python (Boto3) 的开发工具包 删除名为 的人工循环 example-human-loop。 有关更多信息,请参阅 中的 https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/sagemaker-a2i-runtime.html#AugmentedAIRuntime.Client.delete_human_loop AWS SDK for Python (Boto) API Referencedelete_human_loop。

    import boto3 a2i_runtime_client = boto3.client('sagemaker-a2i-runtime') response = a2i_runtime_client.delete_human_loop(HumanLoopName='example-human-loop')
    AWS CLI

    以下示例使用 AWS CLI 删除名为 的人工循环 example-human-loop。 有关更多信息,请参阅 中的 https://docs.amazonaws.cn/cli/latest/reference/sagemaker-a2i-runtime/delete-human-loop.html AWS CLI Command Referencedelete-human-loop。

    $ aws sagemaker-a2i-runtime delete-human-loop --human-loop-name 'example-human-loop'

    如果人工循环状态为 InProgress,请使用 停止人工循环StopHumanLoop,然后使用 DeleteHumanLoop 将其删除。

    适用于 Python (Boto3) 的 AWS 软件开发工具包

    以下示例使用 适用于 Python (Boto3) 的开发工具包 描述名为 的人工循环 example-human-loop。 有关更多信息,请参阅 中的 stop_human_loopAWS SDK for Python (Boto) API Reference

    import boto3 a2i_runtime_client = boto3.client('sagemaker-a2i-runtime') response = a2i_runtime_client.stop_human_loop(HumanLoopName='example-human-loop')
    AWS CLI

    以下示例使用 AWS CLI 描述名为 的人工循环 example-human-loop。 有关更多信息,请参阅 中的https://docs.amazonaws.cn/cli/latest/reference/sagemaker-a2i-runtime/stop-human-loop.html停止人工循环AWS CLI Command Reference

    $ aws sagemaker-a2i-runtime stop-human-loop --human-loop-name 'example-human-loop'