筛选和选择要标记的数据 - 亚马逊 SageMaker
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 (PDF)

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。

筛选和选择要标记的数据

您可以使用 Amazon SageMaker 控制台选择数据集的一部分进行标记。数据必须存储在 Amazon S3 存储桶中。您有三种选择:

  • 使用完整的数据集。

  • 选择数据集的一个随机选择样本。

  • 使用查询指定数据集的一个子集。

选择 “创建标注作业” 后,SageMaker控制台的 “标签作业” 部分将提供以下选项。要了解如何在控制台中创建标注作业,请参阅开始使用。要配置用于标记的数据集,请在 Job overview (作业概述) 部分中选择 Additional configuration (其他配置)

使用完整的数据集

当您选择使用完整数据集时,必须为数据对象提供清单文件。您可以提供包含清单文件的 Amazon S3 存储桶的路径,或使用 SageMaker 控制台创建文件。要了解如何使用控制台创建清单文件,请参阅自动数据设置

选择随机样本

当您想标记数据集的随机子集时,请选择 Random sample (随机样本)。数据集存储在输入数据集位置字段中指定的 Amazon S3 存储桶中。

指定了要包含在样本中的数据对象的百分比后,选择创建子集。 SageMaker 为您的标签作业随机选择数据对象。选定对象后,请选择 Use this subset (使用此子集)

SageMaker 为所选数据对象创建清单文件。它还会修改 Input dataset location (输入数据集位置) 字段中的值以指向新的清单文件。

指定子集

您可以使用对对象文件名的 Amazon S3SELECT 查询来指定数据对象的子集。

为您定义了 SQL 查询的 SELECT 语句。您提供 WHERE 子句来指定应返回哪些数据对象。

有关 Amazon S3SELECT 语句的更多信息,请参阅从对象中选择内容

选择 Create subset (创建子集) 开始选择,然后选择 Use this subset (使用此子集) 来使用选择的数据。

SageMaker 为所选数据对象创建清单文件。它还会更新 Input dataset location (输入数据集位置) 字段中的值以指向新的清单文件。