删除人工循环 - Amazon SageMaker
人工循环数据保留和删除使用控制台或 Amazon A2I API 停止和删除流定义
Amazon Web Services 文档中描述的 Amazon Web Services 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 Amazon Web Services 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

当您删除人类循环时，状态将更改为Deleting。当删除人工循环时，工作人员不再可用关联的人工审阅任务。在以下情况之一，您可能需要删除人工循环：

  • 用于生成工作人员用户界面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多次发送给 Worker。

  • 您不再需要由人类审查的数据对象。

如果人类循环的状态是InProgress，则必须先停止人类循环，然后再删除它。当您停止人工循环时，状态将变为Stopping同时正在停止它。当状态更改为Stopped，则可删除人工循环。

在停止关联的人工循环时，如果工作人员已在处理某个任务，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，人工循环的状态就为Stopping。如果完成这些任务，则结果将存储在人工审查工作流程中指定的 Amazon S3 存储桶 URI 中。如果工作人员离开任务而不提交工作，则该任务将停止，工作人员无法返回到该任务。如果没有工作人员开始处理该任务，它将立即停止。

如果您删除Amazon帐户，则会自动停止并删除该帐户。

人工循环数据保留和删除

当人工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，由于以下原因，Amazon A2I 临时在内部存储人工循环输入和输出数据：

  • 如果您配置人工循环以便将单个数据对象发送给多个工作人员进行审核，则 Amazon A2I 不会将输出数据写入 S3 存储桶，直到所有工作人员都完成审核任务。Amazon A2I 在内部存储部分答案（来自各个工作人员的答案），以便它可以将完整的结果写入 S3 存储桶。

  • 如果您报告了低质量的人工评论结果，亚马逊 A2I 可以调查并回复您的问题。

  • 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中指定的输出 S3 存储桶，并且该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 在人类循环的状态更改为以下状态之一后 30 天内部删除此数据：Deleted、Stopped，或者Completed。换句话说，在人工循环完成、停止或删除 30 天后，数据将被删除。此外，此数据将在 30 天后删除，如果您关闭Amazon帐户用于创建关联的人工循环。

使用控制台或 Amazon A2I API 停止和删除流定义

您可以在 Augmented AI 控制台或使用 SageMaker API 中停止和删除人工循环。当人工循环被删除时，状态将变为Deleted。

删除人类循环（控制台）

  1. 导航到增强 AI 控制台，网址为https://console.aws.amazon.com/a2i/。

  2. 在导航窗格中的Augmented AI部分，选择人工审查工作流。

  3. 选择用于创建要删除的人工循环的人工审查工作流程的带超链接的名称。

  4. 在人類循環部分，选择要停止和删除的人工循环。

  5. 如果人工循环状态为Completed、Stopped，或者Failed中，选择Delete。

    如果人工循环状态是InProgress中，选择停止。当状态更改为Stopped中，选择Delete。

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。

    Amazon SDK for Python (Boto3)

    以下示例使用适用 SDK for Python (Boto3) 描述名为示例-人类循环。有关更多信息，请参阅 。描述 _ 人类循环中的Amazon适用于 Python 的开发工具包 (Botos) API 参考。

    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}')
    Amazon CLI

    以下示例使用AmazonCLI 来描述名为示例-人类循环。有关更多信息，请参阅 。描述人类循环中的Amazon CLI命令参考。

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

  2. 如果流定义状态为Completed、Stopped，或者Failed中，使用 Augmented AI 运行时 API 操作删除流定义DeleteHumanLoop。

    Amazon SDK for Python (Boto3)

    以下示例使用适用 SDK for Python (Boto3) 删除名为示例-人类循环。有关更多信息，请参阅 。删除人类循环中的Amazon适用于 Python 的开发工具包 (Botos) API 参考。

    import boto3

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

    以下示例使用AmazonCLI 来删除名为示例-人类循环。有关更多信息，请参阅 。删除人类循环中的Amazon CLI命令参考。

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

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

    Amazon SDK for Python (Boto3)

    以下示例使用适用 SDK for Python (Boto3) 描述名为示例-人类循环。有关更多信息，请参阅 。停止人循环中的Amazon适用于 Python 的开发工具包 (Botos) API 参考。

    import boto3

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

    以下示例使用AmazonCLI 来描述名为示例-人类循环。有关更多信息，请参阅 。停止人循环中的Amazon CLI命令参考。

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