翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
Amazon SageMaker AI パイプラインは、drag-and-drop UI または Pipelines SDK
この例の DAG には以下のステップが含まれます。
-
AbaloneProcessは、処理ステップのインスタンスで、トレーニングに使用するデータに対して前処理スクリプトを実行します。例えば、このスクリプトを使用して、欠損値の補完入力、数値データの正規化、データのトレーニング、検証、テストデータセットへの分割ができます。 -
AbaloneTrainは、トレーニングステップのインスタンスで、ハイパーパラメータを設定し、前処理された入力データからモデルをトレーニングします。 -
AbaloneEvalは、処理ステップの別のインスタンスで、モデルの精度を評価します。このステップは、データ依存関係の一例となります。このステップでは、AbaloneProcessのテストデータセット出力を使用します。 -
AbaloneMSECondは、条件ステップのインスタンスで、この例では、モデル評価の平均二乗誤差の結果が特定の制限を下回っていることを確認します。モデルが基準を満たさない場合、パイプラインの実行が停止します。 -
パイプラインの実行は、次のステップで続行します。
-
AbaloneRegisterModel。ここで、SageMaker AI は RegisterModel ステップを呼び出して、モデルをバージョニングされたモデルパッケージグループとして Amazon SageMaker Model Registry に登録します。 -
AbaloneCreateModel。ここで、SageMaker AI は CreateModel ステップを呼び出して、バッチ変換の準備としてモデルを作成します。ではAbaloneTransform、SageMaker AI は Transform ステップを呼び出して、指定したデータセットにモデル予測を生成します。
-
以降のトピックでは、基本的な Pipelines の概念について説明します。これらの概念の実装を解説したチュートリアルについては、「Pipelines のアクション」を参照してください。
