GreenLeaf Farms 运行一个 Rekognition Custom Labels 项目来对植物病害图像进行分类。工程团队在一个 S3 存储桶中拥有 12,000 张已标注图像，这些图像按前缀（s3://greenleaf-data/images/）组织，并且有一个 SageMaker Ground Truth 增强型清单（JSON Lines），其中引用了每张图像及其标签。他们需要启动一个 Rekognition Custom Labels 训练作业，该作业使用已标注图像并强制执行 80/20 的训练/测试拆分。为了确保 Rekognition 能够训练自定义图像分类模型，最合适的下一步是什么？

正确答案描述了 Rekognition Custom Labels 项目使用 Ground Truth 增强型清单的最佳实践。Rekognition Custom Labels 可以直接导入存储在 S3 中的增强型清单文件，并根据清单中的标签信息自动创建和管理训练和测试数据集。为确保 Rekognition 能够访问图像，必须授予其服务角色对 S3 存储桶的读取权限。 其他选项不正确： 选项二：Rekognition Custom Labels 不支持直接上传 ZIP 文件并从文件夹名称推断标签。它依赖于结构化的标签数据，如清单文件。 选项三：Rekognition Custom Labels 旨在作为一项托管服务，可以直接使用增强型清单，无需手动启动 SageMaker 训练作业。 选项四：Rekognition Custom Labels 不通过 EFS 挂载访问数据，也不通过 S3 对象标签创建标签。它通过 S3 路径和清单文件获取图像和标签信息。