のサービスジョブペイロード AWS Batch - AWS Batch
サービスジョブペイロードの例

翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

のサービスジョブペイロード AWS Batch

SubmitServiceJob を使用してサービスジョブを送信する場合、ジョブを定義する 2 つの主要なパラメータとして serviceJobType、、 を指定しますserviceRequestPayload。

  • は、ジョブを実行する AWS サービスserviceJobTypeを指定します。SageMaker トレーニングジョブの場合、この値は ですSAGEMAKER_TRAINING。

  • serviceRequestPayload は、通常はターゲットサービスに直接送信される完全なリクエストを含む JSON エンコードされた文字列です。SageMaker トレーニングジョブの場合、このペイロードには SageMaker AI CreateTrainingJob API で使用するのと同じパラメータが含まれています。

使用可能なすべてのパラメータとその説明の完全なリストについては、SageMaker AI CreateTrainingJob API リファレンスを参照してください。でサポートされているすべてのパラメータをサービスジョブペイロードに含めるCreateTrainingJobことができます。

その他のトレーニングジョブ設定の例については、APIsSDKs」を参照してください。 SageMaker

PySDK にはヘルパークラスとユーティリティがあるため、サービスジョブの作成には PySDK を使用することをお勧めします。PySDK の使用例については、GitHub のSageMaker AI examples」を参照してください。

サービスジョブペイロードの例

次の例は、「hello world」トレーニングスクリプトを実行する SageMaker トレーニングジョブのシンプルなサービスジョブペイロードを示しています。

このペイロードは、 を呼び出すときに serviceRequestPayloadパラメータに JSON 文字列として渡されますSubmitServiceJob。

{
  "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
  }
}