SageMaker Einen Trainingsjob ausführen - Amazon SageMaker KI
Verwende dein Rezept als SageMaker Ausbildungsjob

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.

SageMaker Einen Trainingsjob ausführen

SageMaker HyperPod Recipes unterstützt das Einreichen eines SageMaker Trainingsjobs. Bevor Sie den Trainingsjob übermitteln, müssen Sie die Cluster-Konfiguration, sm_job.yaml, aktualisieren und die entsprechende Umgebung installieren.

Verwende dein Rezept als SageMaker Ausbildungsjob

Sie können Ihr Rezept als SageMaker Trainingsjob verwenden, wenn Sie keinen Cluster hosten. Sie müssen die Konfigurationsdatei für den SageMaker Trainingsjob ändernsm_job.yaml, um Ihr Rezept ausführen zu können.

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: Sie können angeben, wo Sie Ihr Modell unter einer Amazon-S3-URL speichern möchten.

  2. tensorboard_config: Sie können eine TensorBoard zugehörige Konfiguration angeben, z. B. den Ausgabepfad oder den TensorBoard Protokollpfad.

  3. wait: Sie können angeben, ob Sie darauf warten, dass der Job abgeschlossen ist, wenn Sie Ihren Trainingsjob einreichen.

  4. inputs: Sie können die Pfade für Ihre Trainings- und Validierungsdaten angeben. Die Datenquelle kann aus einem gemeinsam genutzten Dateisystem wie Amazon FSx oder einer Amazon S3 S3-URL stammen.

  5. additional_estimator_kwargs: Zusätzliche Schätzerargumente für die Einreichung einer Ausbildungsstelle auf der Plattform für SageMaker Ausbildungsangebote. Weitere Informationen finden Sie unter Algorithmus-Schätzfunktion.