Suivi de la lignée d'un pipeline de ML SageMaker - Amazon SageMaker

Suivi de la lignée d'un pipeline de ML SageMaker

Dans ce didacticiel, vous utilisez Amazon SageMaker Studio pour suivre la lignée d'un pipeline de ML Amazon SageMaker.

Le pipeline a été créé par le bloc-notes Orchestrating Jobs with Amazon SageMaker Model Building Pipelines dans le référentiel d'exemples GitHub Amazon SageMaker. Pour obtenir des informations détaillées sur la création du pipeline, veuillez consulter Définition d'un pipeline.

Le suivi de la lignée dans Studio est centré sur un graphe orienté acyclique (DAG). Le DAG représente les étapes d'un pipeline. Depuis le DAG, vous pouvez suivre la lignée de n'importe quelle étape vers n'importe quelle autre étape. Le diagramme suivant affiche les étapes du pipeline. Ces étapes apparaissent sous la forme d'un DAG dans Studio.

Prerequisites

Pour suivre la lignée d'un pipeline

  1. Connectez-vous à SageMaker Studio.

  2. Dans la barre latérale gauche, choisissez l'icône SageMaker Components and registries (Composants et registres SageMaker) ( ).

  3. Dans le menu déroulant, sélectionnez Pipelines.

  4. Utilisez la zone Search (Recherche) afin de filtrer la liste des pipelines. Pour afficher toutes les colonnes disponibles, faites glisser la bordure droite du volet vers la droite. Pour de plus amples informations, veuillez consulter . Rechercher des expériences à l'aide d'Amazon SageMaker Studio.

    La capture d'écran suivante montre la liste filtrée par un nom qui commence par « aba » et qui a été créée le 12/05/20.

  5. Double-cliquez sur le pipeline AbalonePipeline pour afficher la liste d'exécution et d'autres détails sur le pipeline. La capture d'écran suivante montre le volet TABLE PROPERTIES (PROPRIÉTÉS DU TABLEAU) ouvert dans lequel vous pouvez choisir les propriétés à afficher.

  6. Cliquez sur l'onglet Settings (Paramètres), puis choisissez Download pipeline definition file (Télécharger le fichier de définition de pipeline). Vous pouvez afficher le fichier pour voir comment le graphique de pipeline a été défini.

  7. Dans l'onglet Execution (Exécution), double-cliquez sur la première ligne de la liste d'exécution pour afficher son graphique d'exécution et d'autres détails sur l'exécution. Notez que le graphique correspond au diagramme affiché au début du didacticiel.

    Vous pouvez faire glisser le graphique (sélectionnez une zone qui ne figure pas sur le graphique lui-même) ou utiliser les icônes de redimensionnement situées en bas à gauche du graphique. L'encart situé en bas à droite du graphique affiche votre position dans le graphique.

  8. Dans l'onglet Graph (Graphique), choisissez l'étape AbaloneProcess pour afficher les détails de l'étape.

  9. Recherchez les chemins d'accès Amazon S3 vers les jeux de données d'entraînement, de validation et de test dans l'onglet Output (Sortie), sous Files (Fichiers).

    Note

    Pour obtenir les chemins d'accès complets, cliquez avec le bouton droit sur le chemin, puis choisissez Copy cell contents (Copier le contenu des cellules).

    s3://sagemaker-eu-west-1-acct-id/sklearn-abalone-process-2020-12-05-17-28-28-509/output/train s3://sagemaker-eu-west-1-acct-id/sklearn-abalone-process-2020-12-05-17-28-28-509/output/validation s3://sagemaker-eu-west-1-acct-id/sklearn-abalone-process-2020-12-05-17-28-28-509/output/test
  10. Choisissez l'étape AbaloneTrain.

  11. Recherchez le chemin d'accès Amazon S3 vers l'artefact du modèle dans l'onglet Output (Sortie), sous Files (Fichiers) :

    s3://sagemaker-eu-west-1-acct-id/AbaloneTrain/pipelines-6locnsqz4bfu-AbaloneTrain-NtfEpI0Ahu/output/model.tar.gz
  12. Choisissez l'étape AbaloneRegisterModel.

  13. Recherchez l'ARN du package de modèles dans l'onglet Output (Sortie), sous Files (Fichiers) :

    arn:aws:sagemaker:eu-west-1:acct-id:model-package/abalonemodelpackagegroupname/2