View a markdown version of this page

Nutzlasten für Wartungsaufträge in AWS Batch - AWS Batch
Beispiel für eine Nutzlast für einen Service-Job

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.

Nutzlasten für Wartungsaufträge in AWS Batch

Wenn Sie Serviceaufträge mithilfe von senden SubmitServiceJob, geben Sie zwei Schlüsselparameter an, die den Auftrag definieren:serviceJobType, undserviceRequestPayload.

  • Der serviceJobType gibt an, welcher AWS Dienst den Job ausführen wird. Für SageMaker Trainingsjobs lautet dieser WertSAGEMAKER_TRAINING.

  • Der serviceRequestPayload ist eine JSON-encoded Zeichenfolge, die die vollständige Anfrage enthält, die normalerweise direkt an den Zieldienst gesendet würde. Für SageMaker Trainingsjobs enthält diese Payload dieselben Parameter, die Sie mit der SageMaker CreateTrainingJob AI-API verwenden würden.

Eine vollständige Liste aller verfügbaren Parameter und ihrer Beschreibungen finden Sie in der SageMaker CreateTrainingJob AI-API-Referenz. Alle Parameter, die von unterstützt werden, CreateTrainingJob können in die Payload Ihres Service-Jobs aufgenommen werden.

Beispiele für weitere Konfigurationen von Trainingsaufträgen finden Sie unter APIs, CLI und SDKs im SageMaker AI Developer Guide.

Wir empfehlen, das PySDK für die Erstellung von Service-Jobs zu verwenden, da PySDK Hilfsklassen und Hilfsprogramme enthält. Ein Beispiel für die Verwendung von PySDK finden Sie unter SageMaker KI-Beispiele unter. GitHub

Beispiel für eine Nutzlast für einen Service-Job

Das folgende Beispiel zeigt eine einfache Nutzlast für einen Servicejob für einen SageMaker Trainingsjob, der ein „Hello World“ -Trainingsskript ausführt:

Diese Nutzlast würde beim Aufruf als JSON-Zeichenfolge an den serviceRequestPayload Parameter übergeben. SubmitServiceJob

{
  "TrainingJobName": "my-simple-training-job",
  "RoleArn": "arn:aws:iam::123456789012:role/SageMakerExecutionRole",
  "AlgorithmSpecification": {
    "TrainingInputMode": "File",
    "TrainingImage": "763104351884.dkr.ecr.us-west-2.amazonaws.com/pytorch-training:2.0.0-cpu-py310",
    "ContainerEntrypoint": [
      "echo",
      "hello world"
    ]
  },
  "ResourceConfig": {
    "InstanceType": "ml.c5.xlarge",
    "InstanceCount": 1,
    "VolumeSizeInGB": 1
  },
  "OutputDataConfig": {
    "S3OutputPath": "s3://your-output-bucket/output"
  },
  "StoppingCondition": {
    "MaxRuntimeInSeconds": 30
  }
}