Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Vous pouvez utiliser le SDK SageMaker Python pour exécuter votre propre traitement d'image à l'aide de la Processor classe. L'exemple suivant montre comment exécuter votre propre conteneur de traitement avec une entrée depuis Amazon Simple Storage Service (Amazon S3) et une sortie vers Amazon S3.
from sagemaker.processing import Processor, ProcessingInput, ProcessingOutput
processor = Processor(image_uri='<your_ecr_image_uri>',
role=role,
instance_count=1,
instance_type="ml.m5.xlarge")
processor.run(inputs=[ProcessingInput(
source='<s3_uri or local path>',
destination='/opt/ml/processing/input_data')],
outputs=[ProcessingOutput(
source='/opt/ml/processing/processed_data',
destination='<s3_uri>')],
)Au lieu de créer votre code de traitement dans votre image de traitement, vous pouvez fournir un ScriptProcessor avec votre image et la commande que vous voulez exécuter, ainsi que le code que vous voulez exécuter à l'intérieur de ce conteneur. Pour obtenir un exemple, consultez Exécuter des scripts avec votre propre conteneur de traitement.
Vous pouvez également utiliser l'image scikit-learn fournie par Amazon SageMaker Processing SKLearnProcessor pour exécuter des scripts scikit-learn. Pour obtenir un exemple, consultez Exécuter un job de traitement avec scikit-learn.
