管理标记项目
了解如何在 Azure 机器学习中管理标记项目。 本文的目标读者是负责管理文本或图像标记项目的项目经理。 有关如何创建项目的信息，请参阅设置文本标记项目或设置图像标记项目。
重要
本文中标记了“（预览版）”的项目目前为公共预览版。 该预览版在提供时没有附带服务级别协议，建议不要将其用于生产工作负载。 某些功能可能不受支持或者受限。 有关详细信息，请参阅适用于 Azure 预览版的补充使用条款。
运行和监视项目
初始化项目后，Azure 将开始运行它。 若要管理项目，请选择“数据标记”主页上的项目。
若要暂停或重新启动该项目，请在项目命令栏上切换“正在运行”状态。 只能在项目运行时标记数据。
监视进度
“仪表板”选项卡将显示标记任务的进度。
进度图显示已标记、已跳过、需要审查或尚未完成的项数。 将鼠标悬停在该图表上可以查看每个部分中的项数。
图表下方显示了已完成任务的标签分布。 在某些项目类型中，一个项可以有多个标签。 标签总数可能会超过总项数。
它还显示了标记人员的分布及其标记的项数。
中间部分显示包含未分配任务队列的表。 当 ML 辅助标记处于关闭状态时，此部分显示等待分配的手动任务数。
当 ML 辅助标记处于开启状态时，此部分还会显示：
- 队列中包含聚类项的任务。
- 队列中包含预标记项的任务。
此外，启用 ML 辅助标记后，可以向下滚动以查看 ML 辅助标记状态。 “作业”部分提供每个机器学习运行的链接。
- 训练 - 训练模型以预测标签。
- 验证 - 确定项预先标记是否使用此模型的预测。
- 推理 - 新项的预测运行。
- 特征化 - 聚类项（仅适用于图像分类项目）。
查看数据和标签
在“数据”选项卡上，预览数据集并查看已标记的数据。
滚动已标记的数据以查看标签。 如果发现数据标记不正确，可以选择该数据，然后选择“拒绝”以删除标签，并将数据返回到未标记队列中。
已跳过项
一组适用于正在查看的项的筛选器。 默认情况下，可以查看已标记的数据。 选择“资产类型”筛选器，将类型切换到*“已跳过”查看已跳过的项。
如果认为应标记已跳过的数据，请选择“拒绝”以放回到未标记的队列中。 如果认为已跳过的数据与项目无关，请选择“接受”将其从项目中删除。
共识标记
如果项目使用共识标签，请审查那些没有达成共识的图像：
选择“数据”选项卡。
在左侧菜单上，选择“审查标签”。
在“审查标签”上方的命令栏上，选择“所有筛选器”。
在“标记的数据点”下，选择“需要审查的共识标签”，以仅显示标记人员未达成共识的图像。
对于需要审查的每个图像，请选择“共识标签”下拉菜单以查看有冲突的标签。
虽然可以选择单个标记人员以查看其标签，但若要更新或拒绝标签，必须使用顶部的选项“共识标签(预览版)”。
更改项目详细信息
在“详细信息”选项卡上查看和更改项目的详细信息。在此选项卡上，可以：
- 查看项目详细信息和输入数据集。
- 设置或清除“启用定期增量刷新”选项，或请求立即刷新。
- 查看用于在项目中存储已标记的输出的存储容器详细信息。
- 将标签添加到项目。
- 编辑为标签提供的说明。
- 更改 ML 辅助标记的设置，并启动标记任务。
向项目添加标签
在数据标签过程中，你可能想要添加更多标签以便对项目进行分类。 例如，你可能想要添加“未知”或“其他”标签来表明混淆的项目。
若要将一个或多个标签添加到项目，请执行以下操作：
在“数据标记”主页上，选择该项目。
在项目命令栏上，将状态从“正在运行”切换到“已暂停”以停止标记活动。
选择“详细信息”选项卡。
在左侧的列表中，选择“标签类别”。
修改标签。
在窗体中，添加新标签。 然后选择如何继续该项目。 由于已更改可用标签，请选择如何处理已标记的数据：
- 重新开始，并删除所有现有标签。 如果要使用新的完整标签集开始标记，请选择此选项。
- 重新开始，并保留所有现有标签。 选择此选项可将所有数据标记为“未标记”，但保留现有标签作为先前标记的图像的默认标记。
- 继续，并保留所有现有标签。 选择此选项可以保留所有按原样标记的数据，并开始对尚未标记的数据使用新标签。
根据需要修改新标签的说明页。
添加所有新标签后，请将“已暂停”切换为“正在运行”以重启项目。
启动 ML 辅助标记任务
标记某些项后，ML 辅助标记会自动启动。 此自动阈值因项目而异。 如果你的项目至少包含一些标记的数据，则可以手动启动 ML 辅助训练运行。
注意
按需训练不适用于 2022 年 12 月之前创建的项目。 若要使用此功能，请创建一个新项目。
若要启动新的 ML 辅助训练运行，请执行以下操作：
- 在项目顶部，选择“详细信息”。
- 在左侧菜单中，选择“ML 辅助标记”。
- 在页面底部附近，对于“按需训练”，选择“启动”。
导出标签
若要导出标签，请在项目命令栏上选择“导出”按钮。 随时可以导出标签数据以进行机器学习试验。
如果项目类型为“语义分段(预览版)”，则会创建 Azure MLTable 数据资产。
对于所有其他项目类型，可以将图像标签导出为：
- CSV 文件。 Azure 机器学习将在位于 Labeling/export/csv 内的某个文件夹中创建 CSV 文件。
- COCO 格式文件。 Azure 机器学习将在位于 Labeling/export/coco 内的某个文件夹中创建 COCO 文件。
- 具有标记的 Azure 机器学习数据集。
- CSV 文件。 Azure 机器学习将在位于 Labeling/export/csv 内的某个文件夹中创建 CSV 文件。
- COCO 格式文件。 Azure 机器学习将在位于 Labeling/export/coco 内的某个文件夹中创建 COCO 文件。
- Azure MLTable 数据资产。
导出 CSV 或 COCO 文件时，当文件准备好下载时，会短暂出现一条通知。 选择“下载文件”链接以下载结果。 还可以在顶部栏的“通知”部分找到通知：
在机器学习的“数据”部分访问导出的 Azure 机器学习数据集和数据资产。 数据详细信息页还提供了可用于使用 Python 访问标签的示例代码。
将标记数据导出到 Azure 机器学习数据集后，可以使用 AutoML 构建基于标记数据训练的计算机视觉模型。 有关详细信息，请参阅设置 AutoML 以使用 Python 训练计算机视觉模型。
导入标签（预览）
如果 Azure MLTable 数据资产或 COCO 文件包含当前数据的标签，则可以将这些标签导入项目。 例如，你可能拥有从之前的标记项目中使用相同数据导出的标签。 导入标签功能仅适用于图像项目。
若要导入标签，请在项目命令栏上选择“导入”按钮。 随时可以导入已标记的数据以进行机器学习试验。
从 COCO 文件或 Azure MLTable 数据资产导入。
数据映射
必须指定映射到“图像”字段的列。 还可以选择映射数据中存在的其他列。 例如，如果数据包含“标签”列，则可以将其映射到“类别”字段。 如果数据包含“置信度”列，则可以将其映射到“置信度”字段。
如果要导入之前项目的标签，则这些标签的格式必须与要创建的标签的格式相同。 例如，如果要创建边界框标签，导入的标签也必须是边界框标签。
导入选项
选择如何处理导入的标签：
- 作为预标记数据 - 选择此选项可将导入的标签用作预标记数据。 然后，标记员可以查看预标记数据，并在提交标签之前更正任何错误。
- 作为最终标签 - 选择此选项可将标签导入为最终标签。 只有尚未包含标签的数据才会作为任务呈现给标记员。
标记人员的访问权限
可以通过“参与者”或“所有者”角色访问工作区的任何人都可以在项目中标记数据。
你还可添加用户并自定义权限，使它们能够访问标记，但是无法访问工作区的其他部分或者你的标记项目。 有关详细信息，请参阅将用户添加到数据标记项目。
排查问题
如果你在管理项目时发现任何以下问题，请使用这些提示：
| 问题 | 解决方法 |
|---|---|
| 只能使用在 Blob 数据存储中创建的数据集。 | 此问题是当前版本的已知限制。 |
| 从项目使用的数据集中移除数据会导致项目中出现错误。 | 不要从标记项目中使用的数据集版本中移除数据。 创建用于删除数据的数据集的新版本。 |
| 创建项目后，项目将在较长时间内处于“正在初始化”状态。 | 手动刷新页面。 初始化应该按每秒大约 20 个数据点的速率完成。 没有自动刷新是一个已知问题。 |
| 新标记的项在数据评审中不可见。 | 若要加载所有标记的项，请选择“第一个”按钮。 按下“第一个”按钮会返回到列表的最前面，并加载所有标记的数据。 |
| 无法将任务集分配给特定的标记人员。 | 此问题是当前版本的已知限制。 |
对象检测疑难解答
| 问题 | 解决方法 |
|---|---|
| 如果在标记对象检测时选择 Esc 键，则会创建大小为零的标签，并且标签提交将失败。 | 若要删除标签，请选择标签旁边的 X 删除图标。 |
如果在创建项目时遇到问题，请参阅排查创建数据标记项目时出现的问题