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.
Einführung in Entitäten
Amazon SageMaker AI erstellt automatisch Tracking-Entitäten für SageMaker KI-Jobs, Modelle, Modellpakete und Endpunkte, sofern die Daten verfügbar sind. Nehmen wir für einen grundlegenden Arbeitsablauf an, dass Sie ein Modell anhand eines Datensatzes trainieren. SageMaker AI generiert automatisch ein Liniendiagramm mit drei Entitäten:
-
Datensatz: Ein Artefakttyp, bei dem es sich um eine Entität handelt, die ein per URI adressierbares Objekt oder Daten darstellt. Ein Artefakt ist im Allgemeinen entweder eine Eingabe oder eine Ausgabe einer Versuchskomponente oder -aktion.
-
TrainingJob: Eine Art Testkomponente, bei der es sich um eine Einheit handelt, die Verarbeitungs-, Schulungs- und Transformationsjobs darstellt.
-
Modell: Eine andere Art von Artefakt. Wie das Datensatz-Artefakt ist ein Model ein URI-adressierbares Objekt. In diesem Fall handelt es sich um eine Ausgabe der TrainingJobTestkomponente.
Ihr Modell-Abstammungsdiagramm erweitert sich schnell, wenn Sie Ihrem Arbeitsablauf zusätzliche Schritte hinzufügen, wie z. B. Datenvorverarbeitung oder -nachverarbeitung, wenn Sie Ihr Modell auf einem Endpunkt bereitstellen oder wenn Sie Ihr Modell in ein Modellpaket aufnehmen, und viele andere Möglichkeiten. Die vollständige Liste der SageMaker KI-Entitäten finden Sie unterAmazon SageMaker ML Lineage Tracking.
Entitätseigenschaften
Jeder Knoten im Diagramm zeigt den Entitätstyp an. Sie können jedoch die vertikale Ellipse rechts neben dem Entitätstyp wählen, um spezifische Details zu Ihrem Workflow anzuzeigen. In unserem vorherigen Barebones-Liniendiagramm können Sie das vertikale Auslassungszeichen neben dem Symbol auswählen, DataSetum spezifische Werte für die folgenden Eigenschaften anzuzeigen (die allen Artefakt-Entitäten gemeinsam sind):
-
Name: Der Nam Ihres Datensatzes.
-
Quell-URI: Der Amazon S3-Speicherort Ihres Datensatzes.
Für die TrainingJob Entität können Sie die spezifischen Werte für die folgenden Eigenschaften sehen (die allen TrialComponent Entitäten gemeinsam sind):
-
Name: Der Name des Trainingsaufträge.
-
Auftrag-ARN: Der Amazon-Ressourcenname (ARN) Ihres Trainingsauftrages.
Für die Model-Entität werden dieselben Eigenschaften wie in der Liste für angezeigt, DataSetda es sich bei beiden um Artefakt-Entitäten handelt. Eine Liste der Entitäten und ihrer zugehörigen Eigenschaften finden Sie unter Entitäten zur Abstammungsverfolgung.
Entitätsabfragen
Amazon SageMaker AI generiert automatisch Diagramme von Lineage-Entitäten, während Sie sie verwenden. Wenn Sie jedoch viele Iterationen eines Experiments ausführen und nicht jedes Lineage-Diagramm anzeigen möchten, kann Ihnen das AWS SDK dabei helfen, Abfragen in all Ihren Workflows durchzuführen. Sie können beispielsweise Ihre Abstammungsentitäten für alle Verarbeitungsaufträge abfragen, die einen Endpunkt verwenden. Oder Sie können sich alle Pfade flussabwärts ansehen, die ein Artefakt verwenden. Eine Liste aller Abfragen, die Sie ausführen können, finden Sie unter Abfragen von Lineage-Entitäten.
