View a markdown version of this page

Esecuzione di un processo di formazione SageMaker - Amazon SageMaker AI
Usa la tua ricetta come lavoro di SageMaker formazione

Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Esecuzione di un processo di formazione SageMaker

SageMaker HyperPod Recipes supporta l'invio di un lavoro SageMaker di formazione. Prima di inviare il job di addestramento, devi aggiornare la configurazione del cluster, sm_job.yaml, e installare l’ambiente corrispondente.

Usa la tua ricetta come lavoro di SageMaker formazione

Puoi usare la tua ricetta come lavoro di SageMaker formazione se non stai ospitando un cluster. È necessario modificare il file di configurazione del SageMaker training job per eseguire la ricetta. sm_job.yaml

sm_jobs_config:
  output_path: null 
  tensorboard_config:
    output_path: null 
    container_logs_path: null
  wait: True 
  inputs: 
    s3: 
      train: null
      val: null
    file_system:  
      directory_path: null
  additional_estimator_kwargs: 
    max_run: 1800

  1. output_path: puoi specificare dove salvare il modello in un URL Amazon S3.

  2. tensorboard_config: È possibile specificare una configurazione TensorBoard correlata, ad esempio il percorso di output o il percorso TensorBoard dei log.

  3. wait: puoi specificare se stai aspettando il completamento del processo quando invii il tuo job di addestramento.

  4. inputs: puoi specificare i percorsi per i dati di addestramento e convalida. L’origine dati può provenire da un file system condiviso come Amazon FSx o un URL Amazon S3.

  5. additional_estimator_kwargs: ModelTrainer Argomenti aggiuntivi per l'invio di un lavoro di formazione alla piattaforma di SageMaker formazione per le offerte di lavoro. Per ulteriori informazioni, vedere Algorithm ModelTrainer.