GreenLeaf Farms는 식물 질병 이미지를 분류하기 위해 Rekognition Custom Labels 프로젝트를 운영합니다. 엔지니어링 팀은 접두사(s3://greenleaf-data/images/)로 구성된 S3 버킷에 12,000개의 레이블이 지정된 이미지를 가지고 있으며, 각 이미지와 해당 레이블을 참조하는 SageMaker Ground Truth 증강 매니페스트(JSON Lines)를 가지고 있습니다. 그들은 레이블이 지정된 이미지를 사용하고 80/20 훈련/테스트 분할을 적용하는 Rekognition Custom Labels 훈련 작업을 시작해야 합니다. Rekognition이 사용자 지정 이미지 분류 모델을 훈련할 수 있도록 보장하기 위한 가장 적절한 다음 단계는 무엇입니까?

Rekognition Custom Labels는 S3에 저장된 Ground Truth 증강 매니페스트 파일을 데이터셋으로 직접 가져올 수 있습니다. 이 매니페스트 파일은 이미지 위치와 해당 레이블 정보를 포함하고 있어, Rekognition이 훈련 및 테스트 데이터셋을 구성하는 데 필요한 모든 정보를 제공합니다. Rekognition 서비스 역할에 S3 버킷에 대한 읽기 권한을 부여하는 것은 필수적입니다. 다른 옵션들은 다음과 같은 이유로 적절하지 않습니다. ZIP 파일 업로드 방식은 폴더 이름에서 레이블을 추론하지만, 이미 Ground Truth 매니페스트가 있으므로 이 방법은 불필요하며, 매니페스트의 풍부한 정보를 활용하지 못합니다. Rekognition Custom Labels는 SageMaker 훈련 작업을 직접 시작하는 방식이 아니라, 자체 관리형 서비스로 작동합니다. EFS 마운트나 S3 객체 태그를 사용하는 방식은 Rekognition Custom Labels의 표준 데이터 입력 방식이 아니며, Ground Truth 매니페스트를 사용하는 것이 가장 효율적이고 권장되는 방법입니다.