Charges utiles des tâches de maintenance dans AWS Batch - AWS Batch
Exemple de charge utile d'une tâche de service

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Charges utiles des tâches de maintenance dans AWS Batch

Lorsque vous soumettez des tâches de service à l'aide de SubmitServiceJob, vous fournissez deux paramètres clés qui définissent la tâche : serviceJobType etserviceRequestPayload.

  • serviceJobTypeSpécifie le AWS service qui exécutera la tâche. Pour les tâches de SageMaker formation, cette valeur estSAGEMAKER_TRAINING.

  • serviceRequestPayloadIl s'agit d'une chaîne codée en JSON qui contient la demande complète qui serait normalement envoyée directement au service cible. Pour les tâches de SageMaker formation, cette charge utile contient les mêmes paramètres que ceux que vous utiliseriez avec l'CreateTrainingJobAPI SageMaker AI.

Pour obtenir la liste complète de tous les paramètres disponibles et leurs descriptions, consultez la référence de l'CreateTrainingJobAPI SageMaker AI. Tous les paramètres pris en charge par CreateTrainingJob peuvent être inclus dans la charge utile de votre tâche de service.

Pour des exemples de configurations de tâches de formation supplémentaires APIs, consultez la CLI et SDKs le Guide du développeur d'SageMaker IA.

Nous vous recommandons d'utiliser le PySDK pour créer des tâches de service, car PySDK possède des classes d'assistance et des utilitaires. Pour un exemple d'utilisation de PySDK, consultez les exemples d'SageMaker IA sur. GitHub

Exemple de charge utile d'une tâche de service

L'exemple suivant montre une charge utile d'une tâche de service simple pour une tâche de SageMaker formation qui exécute un script de formation « hello world » :

Cette charge utile serait transmise sous forme de chaîne JSON au serviceRequestPayload paramètre lors de l'appelSubmitServiceJob.

{
  "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
  }
}