サンプルノートブックの例

既存のワークスペース環境のトレーニングコード、および関連するデータ処理コードとデータセットを SageMaker トレーニングジョブに変換できます。次のノートブックでは、XGBoostアルゴリズムと Hugging Face を使用して、イメージ分類の問題に合わせて環境、ジョブ設定などをカスタマイズする方法を示します。

quick_start ノートブックには以下のコードサンプルが含まれています。

• 設定ファイルを使用してジョブ設定をカスタマイズする方法。

• Python 関数をジョブとして非同期的に呼び出す方法。

• 追加の依存関係を導入してジョブのランタイム環境をカスタマイズする方法。

• @remote 関数メソッドでローカル依存関係を使用する方法。

以下のノートブックは、さまざまな機械学習問題の種類と実装の追加のコード例を示しています。

• 画像分類問題に @remote デコレータを使用するコード例を確認するには、pytorch_mnist.ipynb ノートブックを開きます。この分類の問題は、修正国立標準技術研究所 (MNIST) サンプルデータセットを使用して手書きの数字を認識します。

• スクリプトで前の画像分類の問題に @remote デコレータを使用するコード例については、Pytorch MNIST サンプルスクリプト、train.py を参照してください。

• XGBoost アルゴリズムが @remote デコレータでどのように実装されたかを確認するには: xgboost_abalone.ipynb ノートブックを開きます。

• Hugging Face が @remote デコレータとどのように統合されているかを確認するには、huggingface.ipynb ノートブックを開きます。