Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Creare un flusso di lavoro personalizzato mediante l’API
<a name="sms-custom-templates-step4"></a>

**Nota**  
Amazon SageMaker Ground Truth non è più aperto a nuovi clienti. I clienti esistenti possono continuare a utilizzare il servizio normalmente. AWS continua a investire in miglioramenti della sicurezza e della disponibilità di Ground Truth, ma non prevediamo di introdurre nuove funzionalità.

Quando hai creato il modello di interfaccia utente personalizzato (fase 2) e le funzioni Lambda di elaborazione (fase 3), dovresti inserire il modello in un bucket Amazon S3 con un nome file nel formato: `<FileName>.liquid.html`. Usa l'azione [`CreateLabelingJob`](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateLabelingJob.html) per configurare l'attività. Potrai utilizzare la posizione di un modello personalizzato ([Creazione di un modello di attività del worker personalizzato](sms-custom-templates-step2.md)) archiviato in un file `{{<filename>}}.liquid.html` in S3 come valore del campo `UiTemplateS3Uri` nell'oggetto [`UiConfig`](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_UiConfig.html) all'interno dell'oggetto [`HumanTaskConfig`](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_HumanTaskConfig.html).

Per le attività AWS Lambda descritte in[Elaborazione dei dati in un flusso di lavoro di etichettatura personalizzato con AWS Lambda](sms-custom-templates-step3.md), l'ARN dell'attività di post-annotazione verrà utilizzato come valore per il `AnnotationConsolidationLambdaArn` campo e l'attività di pre-annotazione verrà utilizzato come valore per `PreHumanTaskLambdaArn.`