Erstellen Sie einen Amazonas SageMaker Experiment - Amazon SageMaker

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Erstellen Sie einen Amazonas SageMaker Experiment

Erstellen Sie einen Amazonas SageMaker experimentieren Sie, um Ihre SageMaker Schulung, Verarbeitung und Transformation von Jobs.

Das folgende Verfahren zeigt, wie Sie eine SageMaker Experiment für eine SageMaker Ausbildung, Verarbeitung oder Transformationsauftrag. Schritte, die als (Studio) gekennzeichnet sind, beschreiben, wie das Experiment in Amazon angezeigt wird SageMaker Studio Sie müssen das Experiment nicht in Studio durchführen, um das Experiment in Studio anzusehen.

Für ein Tutorial, das diese Funktionalität in einem bestehenden zeigt SageMaker Studio-Notebook, sieheVerfolgen und vergleichen Tutorialaus.

  1. Importieren Sie dassys-Modul zur Installation der SDKs.

    import sys
  2. (Optional) DerAmazon SageMaker Python SDK, kommt vorinstalliert SageMaker Studio Wenn Sie vorhaben, Ihren Code außerhalb von Studio auszuführen, installieren Sie das SageMaker Python SDK.

    !{sys.executable} -m pip install sagemaker
  3. Installieren desSageMaker-Experiments Python SDKaus.

    !{sys.executable} -m pip install sagemaker-experiments
  4. Importieren Sie Module.

    import time from time import strftime import sagemaker from smexperiments.experiment import Experiment from smexperiments.trial import Trial from smexperiments.trial_component import TrialComponent from smexperiments.tracker import Tracker
  5. Erhalten Sie die Ausführungsrolle und erstellen Sie das SageMaker Sitzung

    role = sagemaker.get_execution_role() sm_sess = sagemaker.session.Session()
  6. Erstellen eines SageMaker -Experiment. Der Experimentname muss in Ihrem Konto eindeutig sein.

    Anmerkung

    Der Parameter tags ist optional. Sie können mit Studio, der SageMaker-Konsole und dem SDK nach dem Tag suchen. Tags können auch auf Versuche und Testkomponenten angewendet werden. Weitere Informationen zur Suche nach Tags mit Studio finden Sie unterSuche anhand eines Tagsaus.

    create_date = strftime("%Y-%m-%d-%H-%M-%S") demo_experiment = Experiment.create(experiment_name = "DEMO-{}".format(create_date), description = "Demo experiment", tags = [{'Key': 'demo-experiments', 'Value': 'demo1'}])
  7. (Studio) Um das Experiment zu sehen SageMaker Wählen Sie Studio in der linken Seitenleiste dieKomponenten und Registraturen( ) enthalten. Wählen Sie im Dropdown-MenüExperimente und Testsum den Experiment-Browser anzuzeigen.

    Nachdem der Code ausgeführt wurde, enthält die Experimentierliste das neue Experiment. Es kann einen Moment dauern, bis die Liste das Experiment aktualisiert und angezeigt wird. Der Filter auf dem Experiment-Tag wird ebenfalls angezeigt. Es werden nur Experimente angezeigt, die ein passendes Tag haben. Ihre Liste sollte wie folgt aussehen:

  8. Erstellen Sie eine Testversion für das Experiment. Der Testname muss in Ihrem Konto eindeutig sein.

    demo_trial = Trial.create(trial_name = "DEMO-{}".format(create_date), experiment_name = demo_experiment.experiment_name, tags = [{'Key': 'demo-trials', 'Value': 'demo1'}])
  9. (Studio) Doppelklicken Sie auf die Experimente, um eine Liste der Testversionen im Experiment anzuzeigen (dieses Beispiel enthält eine Testversion). Ihre Liste sollte wie folgt aussehen:

  10. Erstellen Sie eine Testkomponente im Rahmen der Testversion. Die Testkomponente ist die SageMaker Auftrag.

    Hinzufügen derexperimentConfigParameter auf die entsprechende Methode. Die SageMaker Die in der folgenden Tabelle aufgeführten Aufträge werden unterstützt.

    Aufgabe SageMaker Python SDK-Methode Boto3-Methode
    Schulung Estimator.fit CreateTrainingJob
    Verarbeitung Prozessor.run CreateProcessingJob
    Transform Transformer.TRANSFORM CreateTransformJob

    Die folgenden Beispiele beziehen sich auf einen Schulungsauftrag. DieTags-Parameter fügt der Testkomponente ein Tag hinzu.ExperimentNamewird nicht angegeben, da die Studie mit dem Experiment in Verbindung gebracht wurde, als die Studie in einem früheren Schritt erstellt wurde.

    Verwendung der SageMaker Python SDK

    sagemaker.estimator.Estimator( ..., sagemaker_session = sm_sess, tags = [{'Key': 'demo-jobs', 'Value': 'demo2'}]) estimator.fit( ..., experiment_config = { # "ExperimentName" "TrialName" : demo_trial.trial_name, "TrialComponentDisplayName" : "TrainingJob", })

    Verwenden von Boto3

    create_training_job( ..., "ExperimentConfig": { # "ExperimentName" "TrialName" : demo_trial.trial_name, "TrialComponentDisplayName" : "TrainingJob", }, "Tags": [{'Key': 'demo-jobs', 'Value': 'demo2'}])
  11. (Studio) Doppelklicken Sie in der Testliste auf die Testversion, um eine Liste der Komponenten in der Testversion anzuzeigen (dieses Beispiel enthält eine Testversion). Ihre Liste sollte wie folgt aussehen:

  12. (Studio) Informationen zum Experiment, zur Studie und zum Job (Testkomponente) finden Sie unterAmazon ansehen und vergleichen SageMaker Experiments, Testversionen und Testkomponentenaus.

Weitere Informationen zur Bereinigung der von Ihnen erstellten Ressourcen finden Sie unter.Bereinigen von Amazon SageMaker Experimentmittelaus.