Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

# Erstellen eines Bildklassifizierungsjobs (Single-Label)
<a name="sms-image-classification"></a>

**Anmerkung**  
Amazon SageMaker Ground Truth steht neuen Kunden nicht mehr offen. Bestehende Kunden können den Service weiterhin wie gewohnt nutzen. AWS investiert weiterhin in Sicherheits- und Verfügbarkeitsverbesserungen für Ground Truth, aber wir planen nicht, neue Funktionen einzuführen.

Verwenden Sie eine Amazon SageMaker Ground Truth-Aufgabe zur Bildklassifizierung, wenn Sie Mitarbeiter benötigen, die Bilder anhand von vordefinierten Beschriftungen, die Sie angeben, klassifizieren müssen. Workern werden Bilder gezeigt und sie werden aufgefordert, für jedes Bild eine Kennzeichnung auszuwählen. Sie können einen Auftrag zur Kennzeichnung der Bildklassifizierung mithilfe des Ground Truth-Abschnitts der Amazon SageMaker AI-Konsole oder der [`CreateLabelingJob`](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html) Operation erstellen. 

**Wichtig**  
Wenn Sie eine eigene Manifestdatei erstellen, verwenden Sie den Aufgabentyp `"source-ref"` zur Identifizierung des Speicherorts jeder Bilddatei in Amazon S3, die beschriftet werden soll. Weitere Informationen finden Sie unter [Eingabedaten](sms-data-input.md).

## Erstellen einer Labeling-Aufgabe für die Bildklassifizierung (Konsole)
<a name="sms-creating-image-classification-console"></a>

Folgen Sie den Anweisungen[Erstellen eines Kennzeichnungsauftrags (Konsole)](sms-create-labeling-job-console.md), um zu erfahren, wie Sie einen Job zur Kennzeichnung von Bildern in der SageMaker AI-Konsole erstellen. Wählen Sie in Schritt 10 im Dropdown-Menü **Aufgabenkategorie** die Option **Bild** und wählen Sie als Aufgabentyp **Bildklassifizierung (Einzelne Beschriftung)** aus. 

Ground Truth stellt für die Labeling-Aufgaben eine Arbeitnehmer-Benutzeroberfläche ähnlich der folgenden bereit. Wenn Sie die Labeling-Aufgabe mit der Konsole erstellen, müssen Sie Anweisungen bereitstellen, damit die Worker die Aufgabe ausführen können, und Kennzeichnungen, aus denen die Worker auswählen können. 

![Beispiel für eine Worker-Benutzeroberfläche für Kennzeichnungsaufgaben, bereitgestellt von Ground Truth](https://docs.aws.amazon.com/de_de/sagemaker/latest/dg/images/image-classification-example.png)


## Erstellen einer Labeling-Aufgabe für die Bildklassifizierung (API)
<a name="sms-creating-image-classification-api"></a>

Verwenden Sie die SageMaker API-Operation, um einen Job zur Kennzeichnung der Bildklassifizierung zu erstellen`CreateLabelingJob`. Diese API definiert diesen Vorgang für alle AWS SDKs. Eine Liste der sprachspezifischen SDKs, die für diese Operation unterstützt werden, finden Sie im Abschnitt **Siehe auch** von [`CreateLabelingJob`](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html).

Befolgen Sie diese Anweisungen unter [Erstellen eines Kennzeichnungsauftrags (API)](sms-create-labeling-job-api.md) und führen Sie die folgenden Schritte aus, während Sie Ihre Anforderung konfigurieren: 
+ Pre-annotation Lambda-Funktionen für diesen Aufgabentyp enden mit. `PRE-ImageMultiClass` Informationen zum Lambda-ARN vor der Anmerkung für Ihre Region finden Sie unter. [ PreHumanTaskLambdaArn ](https://docs.aws.amazon.com/sagemaker/latest/dg/API_HumanTaskConfig.html#SageMaker-Type-HumanTaskConfig-PreHumanTaskLambdaArn) 
+ Annotation-consolidation Die Lambda-Funktionen für diesen Aufgabentyp enden mit. `ACS-ImageMultiClass` Den Lambda-ARN zur Konsolidierung von Anmerkungen für Ihre Region finden Sie unter. [ AnnotationConsolidationLambdaArn ](https://docs.aws.amazon.com/sagemaker/latest/dg/API_AnnotationConsolidationConfig.html#SageMaker-Type-AnnotationConsolidationConfig-AnnotationConsolidationLambdaArn) 

Im Folgenden finden Sie ein Beispiel für eine [AWS -Python-SDK-(Boto3)-Anforderung](https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/sagemaker.html#SageMaker.Client.create_labeling_job) zum Erstellen eines Beschriftungsauftrags in der Region USA Ost (Nord-Virginia). Alle Parameter in Rot sollten durch Ihre Spezifikationen und Ressourcen ersetzt werden. 

```
response = client.create_labeling_job(
    LabelingJobName={{'example-image-classification-labeling-job'}},
    LabelAttributeName={{'label'}},
    InputConfig={
        'DataSource': {
            'S3DataSource': {
                'ManifestS3Uri': {{'s3://bucket/path/manifest-with-input-data.json'}}
            }
        },
        'DataAttributes': {
            'ContentClassifiers': [
                {{'FreeOfPersonallyIdentifiableInformation'|'FreeOfAdultContent'}},
            ]
        }
    },
    OutputConfig={
        'S3OutputPath': {{'s3://bucket/path/file-to-store-output-data'}},
        'KmsKeyId': {{'string'}}
    },
    RoleArn={{'arn:aws:iam::*:role/*}},
    LabelCategoryConfigS3Uri={{'s3://bucket/path/label-categories.json'}},
    StoppingConditions={
        'MaxHumanLabeledObjectCount': {{123}},
        'MaxPercentageOfInputDatasetLabeled': {{123}}
    },
    HumanTaskConfig={
        'WorkteamArn': {{'arn:aws:sagemaker:region:*:workteam/private-crowd/*'}},
        'UiConfig': {
            'UiTemplateS3Uri': {{'s3://bucket/path/worker-task-template.html'}}
        },
        'PreHumanTaskLambdaArn': 'arn:aws:lambda:{{us-east-1:432418664414}}:function:PRE-ImageMultiClass,
        'TaskKeywords': [
            {{Image classification'}},
        ],
        'TaskTitle': {{Image classification task'}},
        'TaskDescription': {{'Carefully inspect the image and classify it by selecting one label from the categories provided.'}},
        'NumberOfHumanWorkersPerDataObject': {{123}},
        'TaskTimeLimitInSeconds': {{123}},
        'TaskAvailabilityLifetimeInSeconds': {{123}},
        'MaxConcurrentTaskCount': {{123}},
        'AnnotationConsolidationConfig': {
            'AnnotationConsolidationLambdaArn': 'arn:aws:lambda:{{us-east-1:432418664414}}:function:ACS-ImageMultiClass'
        },
    Tags=[
        {
            'Key': {{'string'}},
            'Value': {{'string'
}}        },
    ]
)
```

### Bereitstellen einer Vorlage für Labeling-Aufgaben für die Bildklassifizierung
<a name="worker-template-image-classification"></a>

Wenn Sie eine Labeling-Aufgabe unter Verwendung der API erstellen, müssen Sie in `UiTemplateS3Uri` eine Worker-Aufgabenvorlage bereitstellen. Kopieren und ändern Sie die folgende Vorlage. Ändern Sie nur [`short-instructions`](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-creating-instruction-pages.html#sms-creating-quick-instructions), [`full-instructions`](https://docs.aws.amazon.com/sagemaker/latest/dg/sms-creating-instruction-pages.html#sms-creating-full-instructions) und `header`. 

Laden Sie diese Vorlage zu S3 hoch und geben Sie den S3-URI für diese Datei in `UiTemplateS3Uri` an.

```
<script src="https://assets.crowd.aws/crowd-html-elements.js"></script>
<crowd-form>
  <crowd-image-classifier
    name="crowd-image-classifier"
    src="{{ task.input.taskObject | grant_read_access }}"
    header="please classify"
    categories="{{ task.input.labels | to_json | escape }}"
  >
    <full-instructions header="Image classification instructions">
      <ol><li><strong>Read</strong> the task carefully and inspect the image.</li>
      <li><strong>Read</strong> the options and review the examples provided to understand more about the labels.</li>
      <li><strong>Choose</strong> the appropriate label that best suits the image.</li></ol>
    </full-instructions>
    <short-instructions>
      <h3><span style="color: rgb(0, 138, 0);">Good example</span></h3>
      <p>Enter description to explain the correct label to the workers</p>
      <h3><span style="color: rgb(230, 0, 0);">Bad example</span></h3><p>Enter description of an incorrect label</p>
    </short-instructions>
  </crowd-image-classifier>
</crowd-form>
```

## Bildklassifizierungs-Ausgabedaten
<a name="sms-image-classification-output-data"></a>

Nach der Erstellung einer Labeling-Aufgabe für die Bildklassifizierung befinden sich bei Verwendung der API die Ausgabedaten in dem im `S3OutputPath` Parameter angegebenen Amazon-S3-Bucket oder im Feld **Output dataset location** im Abschnitt **Aufgabenübersicht** der Konsole. 

Weitere Informationen zu der von Ground Truth generierten Ausgabemanifestdatei und zur Dateistruktur, die zum Speichern Ihrer Ausgabedaten verwendet, finden Sie unter [Ausgabedaten von Kennzeichnungsaufträgen](sms-data-output.md). 

Ein Beispiel für eine Ausgabemanifestdatei für eine Labeling-Aufgabe für die Bildklassifizierung finden Sie unter [Ausgabe des Klassifizierungsauftrags](sms-data-output.md#sms-output-class).