SageMaker Ejecutar un trabajo de formación - Amazon SageMaker AI
Usa tu receta como un trabajo SageMaker de entrenamiento

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

SageMaker Ejecutar un trabajo de formación

SageMaker HyperPod Recipes admite la presentación de un trabajo de SageMaker formación. Antes de enviar el trabajo de entrenamiento, debe actualizar la configuración del clúster, sm_job.yaml, e instalar el entorno correspondiente.

Usa tu receta como un trabajo SageMaker de entrenamiento

Puedes usar tu receta como un trabajo de SageMaker formación si no estás alojando un clúster. Debe modificar el archivo de configuración del trabajo de SageMaker formaciónsm_job.yaml, para ejecutar la receta.

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: puede especificar dónde va a guardar el modelo en una URL de Amazon S3.

  2. tensorboard_config: Puede especificar una configuración TensorBoard relacionada, como la ruta de salida o la ruta de TensorBoard registros.

  3. wait: puede especificar si está esperando a que se complete el trabajo cuando envíe su trabajo de entrenamiento.

  4. inputs: puede especificar las rutas para sus datos de entrenamiento y validación. La fuente de datos puede provenir de un sistema de archivos compartido, como Amazon FSx o una URL de Amazon S3.

  5. additional_estimator_kwargs: Argumentos estimadores adicionales para enviar un trabajo de formación a la plataforma de empleos de SageMaker formación. Para obtener más información, consulte Algorithm Estimator.