Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
SageMaker Ikhtisar Pipelines
Pipa Amazon SageMaker Model Building Pipelines adalah serangkaian langkah yang saling berhubungan yang didefinisikan menggunakan Pipelines. SDK
Contohnya DAG meliputi langkah-langkah berikut:
AbaloneProcess
, contoh dari langkah Processing, menjalankan skrip preprocessing pada data yang digunakan untuk pelatihan. Misalnya, skrip dapat mengisi nilai yang hilang, menormalkan data numerik, atau membagi data ke dalam kumpulan data kereta, validasi, dan pengujian.AbaloneTrain
, contoh dari langkah Pelatihan, mengonfigurasi hiperparameter dan melatih model dari data input yang telah diproses sebelumnya.AbaloneEval
, contoh lain dari langkah Pemrosesan, mengevaluasi model untuk akurasi. Langkah ini menunjukkan contoh ketergantungan data—langkah ini menggunakan keluaran dataset pengujian dari.AbaloneProcess
AbaloneMSECond
adalah contoh dari langkah Kondisi yang, dalam contoh ini, memeriksa untuk memastikan mean-square-error hasil evaluasi model di bawah batas tertentu. Jika model tidak memenuhi kriteria, proses pipa berhenti.Proses pipeline berjalan dengan langkah-langkah berikut:
AbaloneRegisterModel
, di mana SageMaker memanggil RegisterModellangkah untuk mendaftarkan model sebagai grup paket model berversi ke dalam Amazon SageMaker Model Registry.AbaloneCreateModel
, di mana SageMaker memanggil CreateModellangkah untuk membuat model dalam persiapan untuk transformasi batch. DiAbaloneTransform
, SageMaker panggil langkah Transform untuk menghasilkan prediksi model pada kumpulan data yang Anda tentukan.
Topik berikut menjelaskan konsep dasar SageMaker Pipelines. Untuk tutorial yang menjelaskan implementasi konsep-konsep ini, lihatMembuat dan Mengelola SageMaker Pipelines.
Topik
- Struktur dan Eksekusi Pipa
- IAMManajemen Akses
- Dukungan Lintas Akun untuk Pipelines SageMaker
- Parameter Pipa
- Langkah-langkah Pipa Pembuatan SageMaker Model Amazon
- L Kode ift-and-shift Python dengan dekorator @step
- Lulus Data Antar Langkah
- Langkah-langkah Caching Pipeline
- Coba lagi Kebijakan untuk Langkah-langkah Pipa
- Eksekusi selektif dari langkah-langkah pipa
- Perhitungan dasar, deteksi drift, dan siklus hidup dengan serta ClarifyCheck langkah-langkah QualityCheck di Amazon Model Building Pipelines SageMaker
- Jadwalkan Pipeline Runs
- Integrasi SageMaker Eksperimen Amazon
- Mode Lokal
- Memecahkan Masalah Pipa Pembuatan SageMaker Model Amazon