Eseguire il container di elaborazione utilizzando SageMaker AI Python SDK

È possibile utilizzare l'SDK di Python SageMaker per eseguire la propria immagine di elaborazione utilizzando la classe Processor. L'esempio seguente mostra come eseguire il container di elaborazione con un input da Amazon Simple Storage Service (Amazon S3) e un output in Amazon S3.

from sagemaker.processing import Processor, ProcessingInput, ProcessingOutput

processor = Processor(image_uri='<your_ecr_image_uri>',
                     role=role,
                     instance_count=1,
                     instance_type="ml.m5.xlarge")

processor.run(inputs=[ProcessingInput(
                        source='<s3_uri or local path>',
                        destination='/opt/ml/processing/input_data')],
                    outputs=[ProcessingOutput(
                        source='/opt/ml/processing/processed_data',
                        destination='<s3_uri>')],
                    )

Invece di creare il codice di elaborazione nell'immagine di elaborazione, puoi fornire uno ScriptProcessor con la tua immagine e il comando che vuoi eseguire, insieme al codice da eseguire all'interno di quel container. Per vedere un esempio, consulta Eseguire script con il proprio container di elaborazione.

Puoi anche usare l'immagine scikit-learn che Amazon SageMaker Processing fornisce attraverso SKLearnProcessor per eseguire script scikit-learn. Per un esempio, consulta Eseguire un processo Processing con scikit-learn.