View a markdown version of this page

Muatan pekerjaan layanan di AWS Batch - AWS Batch
Contoh payload pekerjaan layanan

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Muatan pekerjaan layanan di AWS Batch

Saat Anda mengirimkan pekerjaan layanan menggunakan SubmitServiceJob, Anda memberikan dua parameter utama yang menentukan pekerjaan:serviceJobType, danserviceRequestPayload.

  • Men serviceJobType entukan AWS layanan mana yang akan menjalankan pekerjaan. Untuk pekerjaan Pel SageMaker atihan, nilai ini adalahSAGEMAKER_TRAINING.

  • Ini serviceRequestPayload adalah JSON-encoded string yang berisi permintaan lengkap yang biasanya akan dikirim langsung ke layanan target. Untuk pekerjaan Pel SageMaker atihan, payload ini berisi parameter yang sama yang akan Anda gunakan dengan CreateTrainingJob API SageMaker AI.

Untuk daftar lengkap semua parameter yang tersedia dan deskripsinya, lihat referensi CreateTrainingJob API SageMaker AI. Semua parameter yang didukung oleh CreateTrainingJob dapat dimasukkan dalam payload pekerjaan layanan Anda.

Untuk contoh konfigurasi pekerjaan pelatihan lainnya, lihat API, CLI, dan SDK di Panduan Pengembang SageMaker AI.

Kami merekomendasikan penggunaan PySDK untuk pembuatan pekerjaan layanan karena PySDK memiliki kelas pembantu dan utilitas. Untuk contoh penggunaan PySDK, lihat contoh SageMaker AI di GitHub.

Contoh payload pekerjaan layanan

Contoh berikut menunjukkan payload pekerjaan layanan sederhana untuk pekerjaan Pel SageMaker atihan yang menjalankan skrip pelatihan “hello world”:

Payload ini akan diteruskan sebagai string JSON ke serviceRequestPayload parameter saat memanggilSubmitServiceJob.

{
  "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
  }
}