Amazon SageMaker Ground Truth主动学习未按预期触发问题咨询

针对你遇到的主动学习未按预期启动的问题，结合你的配置和标注情况，可能的原因如下：

• 公式并非官方标准触发逻辑
  你参考的50 + 0.2 * 数据集规模只是社区经验值，SageMaker Ground Truth的主动学习实际触发条件是：已完成的人类标注需满足算法的初始训练数据要求（比如目标检测任务通常需要至少100张标注样本，且每个类别要有足够的标注实例）。你刚完成100张标注，可能刚好处于阈值边缘，或者类别分布不均导致算法无法启动训练。

• 缺少算法运行资源配置
  你的LabelingJobResourceConfig是空的，主动学习需要指定算法运行的计算资源（比如InstanceType=ml.m5.xlarge、InstanceCount=1）。没有配置资源的话，算法无法初始化和训练，自然不会生成机器标注。

• 标注或数据集格式不符合要求
  目标检测任务要求标注必须是标准格式（如COCO、Pascal VOC），如果已标注的100张数据存在格式错误（比如边界框坐标越界、类别名称不匹配），算法无法解析数据进行训练，会导致主动学习停滞。

• 状态更新存在延迟
  Ground Truth的LabelCounters有时会有更新延迟，虽然显示已标注100张，但系统可能还在进行数据校验、预处理。可以等待15分钟左右，再通过DescribeLabelingJobAPI获取最新状态。

• 区域或算法版本限制
  你使用的eu-west-2区域可能存在算法版本差异，或者该区域的Ground Truth服务有临时限制。可以确认目标检测算法的ARN是否为最新版本，或者尝试在us-east-1等常用区域测试。

内容的提问来源于stack exchange，提问作者Antoine Van Malleghem