Exemple de code utilisant HuggingFaceProcessor dans le kit Amazon SageMaker Python SDK

Hugging Face est un fournisseur open source de modèles de traitement du langage naturel (NLP). Le HuggingFaceProcessor du kit Amazon SageMaker Python SDK vous permet d’exécuter des tâches de traitement avec des scripts Hugging Face. Lorsque vous utilisez le HuggingFaceProcessor, vous pouvez exploiter un conteneur Docker créé par Amazon avec un environnement Hugging Face géré afin que de ne pas devoir apporter votre propre conteneur.

L’exemple de code suivant illustre comment utiliser le HuggingFaceProcessor pour exécuter votre tâche de traitement à l’aide d’une image Docker fournie et gérée par SageMaker AI. Notez que lorsque vous exécutez la tâche, vous pouvez spécifier un répertoire contenant vos scripts et dépendances dans l’argument source_dir, et il se peut que vous ayez un fichier requirements.txt situé à l’intérieur de votre répertoire source_dir qui spécifie les dépendances de votre ou vos scripts de traitement. SageMaker Processing installe les dépendances dans requirements.txt au sein du conteneur, pour vous.

from sagemaker.huggingface import HuggingFaceProcessor
from sagemaker.processing import ProcessingInput, ProcessingOutput
from sagemaker import get_execution_role

#Initialize the HuggingFaceProcessor
hfp = HuggingFaceProcessor(
    role=get_execution_role(), 
    instance_count=1,
    instance_type='ml.g4dn.xlarge',
    transformers_version='4.4.2',
    pytorch_version='1.6.0', 
    base_job_name='frameworkprocessor-hf'
)

#Run the processing job
hfp.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='train', source='/opt/ml/processing/output/train/', destination=f's3://{BUCKET}/{S3_OUTPUT_PATH}'),
        ProcessingOutput(output_name='test', source='/opt/ml/processing/output/test/', destination=f's3://{BUCKET}/{S3_OUTPUT_PATH}'),
        ProcessingOutput(output_name='val', source='/opt/ml/processing/output/val/', destination=f's3://{BUCKET}/{S3_OUTPUT_PATH}')
    ]
)

Si vous avez un fichier requirements.txt, il doit s’agir d’une liste de bibliothèques que vous souhaitez installer dans le conteneur. Le chemin d’accès pour source_dir peut être un chemin d’accès relatif, absolu ou par URI Amazon S3. Toutefois, si vous utilisez un chemin d’accès par URI Amazon S3, celui-ci doit pointer vers un fichier tar.gz. Vous pouvez disposer de plusieurs scripts dans le répertoire que vous spécifiez pour source_dir. Pour plus d’informations sur la classe HuggingFaceProcessor, consultez Estimateur Hugging Face dans le kit Amazon SageMaker AI Python SDK.