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 Von SageMaker AI verwaltete Warmpools.

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/