Procesador XGBoost Framework

XGBoost es un marco de machine learning de código abierto. El XGBoostProcessor de Amazon SageMaker Python SDK le permite ejecutar trabajos de procesamiento con scripts de XGBoost. Cuando utiliza el procesador XGBoost, puede aprovechar un contenedor de Docker creado por Amazon con un entorno XGBoost administrado, de modo que no necesita traer su propio contenedor.

En el siguiente ejemplo de código se muestra cómo se puede utilizar XGBoostProcessor para ejecutar el trabajo de procesamiento mediante una imagen de Docker proporcionada y mantenida por SageMaker AI. Tenga en cuenta que, al ejecutar el trabajo, puede especificar un directorio que contenga los scripts y las dependencias en el argumento source_dir, y puede tener un archivo requirements.txt ubicado dentro del directorio source_dir que especifique las dependencias de los scripts de procesamiento. Sagemaker Processing instala automáticamente las dependencias en requirements.txt en el contenedor.

from sagemaker.xgboost import XGBoostProcessor
from sagemaker.processing import ProcessingInput, ProcessingOutput
from sagemaker import get_execution_role

#Initialize the XGBoostProcessor
xgb = XGBoostProcessor(
    framework_version='1.2-2',
    role=get_execution_role(),
    instance_type='ml.m5.xlarge',
    instance_count=1,
    base_job_name='frameworkprocessor-XGB',
)

#Run the processing job
xgb.run(
    code='processing-script.py',
    source_dir='scripts',
    inputs=[
        ProcessingInput(
            input_name='data',
            source=f's3://{BUCKET}/{S3_INPUT_PATH}',
            destination='/opt/ml/processing/input/data'
        )
    ],
    outputs=[
        ProcessingOutput(
            output_name='processed_data',
            source='/opt/ml/processing/output/',
            destination=f's3://{BUCKET}/{S3_OUTPUT_PATH}'
        )
    ]
)

Si tiene un archivo requirements.txt, debería ser una lista de bibliotecas que desee instalar en el contenedor. La ruta para source_dir puede ser una ruta de URI relativa, absoluta o de Amazon S3. Sin embargo, si utiliza un URI de Amazon S3, debe apuntar a un archivo tar.gz. Puede tener varios scripts en el directorio que especifique para source_dir. Para obtener más información sobre la clase XGBoostProcessor, consulte XGBoost Estimator en Amazon SageMaker Python SDK.