Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Bewährte Methoden

In den folgenden Abschnitten finden Sie bewährte Methoden für die Verwendung des @step Decorators für Ihre Pipeline-Schritte.

Verwenden Sie Warm-Pools

Verwenden Sie für schnellere Pipeline-Step-Läufe die Funktion zum Warmpooling, die für Trainingsaufgaben bereitgestellt wird. Sie können die Warm-Pool-Funktionalität aktivieren, indem Sie dem @step Decorator das keep_alive_period_in_seconds Argument zur Verfügung stellen, wie im folgenden Codeausschnitt gezeigt:

@step(
   keep_alive_period_in_seconds=900
)

Weitere Informationen zu Warm-Pools finden Sie unter SageMaker KI-verwaltete warme Pools.

Strukturieren Ihres Verzeichnisses

Es wird empfohlen, bei der Verwendung des @step Decorators Codemodule zu verwenden. Platzieren Sie das pipeline.py Modul, in dem Sie die Schrittfunktionen aufrufen und die Pipeline definieren, im Stammverzeichnis des Workspace. Die empfohlene Struktur sieht wie folgt aus:

.
├── config.yaml # the configuration file that define the infra settings
├── requirements.txt # dependencies
├── pipeline.py  # invoke @step-decorated functions and define the pipeline here
├── steps/
| ├── processing.py
| ├── train.py
├── data/
├── test/

Sichern Sie Ihre serialisierten Daten

Der @step Decorator speichert Funktionseingaben und -ausgaben in Amazon S3. Standardmäßig verwendet SageMaker AI den Standard-Bucket. Andere Projekte oder Benutzer in Ihrem Konto teilen sich diesen Bucket möglicherweise.

Um die Sicherheit Ihrer Pipeline-Daten zu gewährleisten, legen Sie S3RootUri dies in Ihrer SageMaker AI-Konfigurationsdatei fest. Verwenden Sie einen Bucket, den nur Ihre Pipeline verwendet. Das folgende Beispiel zeigt, wie dieser Wert festgelegt wird:

SchemaVersion: '1.0'
SageMaker:
  PythonSDK:
    Modules:
      RemoteFunction:
        S3RootUri: 's3://amzn-s3-demo-bucket/pipeline-data'

Weitere Informationen zur Konfigurationsdatei finden Sie unter Konfigurationsdatei.