Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Pipa Bangunan SageMaker Model Amazon
Amazon SageMaker Model Building Pipelines adalah alat untuk membangun pipa pembelajaran mesin yang memanfaatkan integrasi langsung SageMaker . Dengan integrasi ini, Anda dapat membuat pipeline dan menyiapkan SageMaker Proyek untuk orkestrasi. Pengaturan ini menggunakan alat yang menangani banyak pembuatan dan manajemen langkah. Anda dapat membangun pipeline menggunakan SageMaker Python SDK, atau Anda dapat membuat pipeline menggunakan Pipeline Definition JSON SageMaker Schema
SageMaker Pipelines memberikan keuntungan berikut dibandingkan penawaran AWS alur kerja lainnya:
SageMaker Integrasi
SageMaker Pipelines terintegrasi langsung dengan SageMaker, sehingga Anda tidak perlu berinteraksi dengan AWS layanan lain. Anda juga tidak perlu mengelola sumber daya apa pun karena SageMaker Pipelines adalah layanan yang dikelola sepenuhnya. Ini berarti bahwa SageMaker Pipelines menciptakan dan mengelola sumber daya untuk Anda.
SageMaker Integrasi Python SDK
Karena SageMaker Pipelines terintegrasi dengan SageMaker Python SDK, Anda dapat membuat pipeline Anda secara terprogram menggunakan antarmuka Python tingkat tinggi. Untuk melihat referensi SageMaker Python SDK API, lihat Pipelines.
SageMaker Integrasi Studio
SageMaker Studio menawarkan lingkungan untuk mengelola pengalaman end-to-end SageMaker Pipelines. Menggunakan Studio, Anda dapat melewati AWS konsol untuk seluruh manajemen alur kerja Anda. Untuk informasi selengkapnya tentang mengelola SageMaker Pipelines dari SageMaker Studio, lihatLihat, Lacak, dan Jalankan SageMaker Pipelines di Studio SageMaker .
Pelacakan Silsilah Data
Dengan SageMaker Pipelines Anda dapat melacak riwayat data Anda dalam eksekusi pipeline. Amazon SageMaker ML Lineage Tracking memungkinkan Anda menganalisis:
-
dari mana datanya berasal
-
Dimana data digunakan sebagai input
-
output yang dihasilkan dari data
Misalnya, Anda dapat melihat model yang dibuat dari kumpulan data individual, dan melihat kumpulan data yang digunakan untuk membuat model individual. Untuk informasi selengkapnya, lihat Pelacakan SageMaker Silsilah Amazon.
Langkah Penggunaan Kembali
Dengan SageMaker Pipelines, Anda dapat menentukan langkah-langkah untuk caching. Ketika sebuah langkah di-cache, itu diindeks untuk digunakan kembali nanti jika langkah yang sama dijalankan lagi. Anda kemudian dapat menggunakan kembali output dari langkah langkah sebelumnya dari langkah yang sama di pipeline yang sama tanpa harus menjalankan langkah lagi. Untuk informasi lebih lanjut tentang caching langkah, lihatLangkah-langkah Caching Pipeline.
