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。

# Pipelines の概要
<a name="pipelines-overview"></a>

Amazon SageMaker パイプラインは、ドラッグアンドドロップ UI または [Pipelines SDK](https://sagemaker.readthedocs.io/en/stable/workflows/pipelines/sagemaker.workflow.pipelines.html) を使用して定義される、有向非巡回グラフ (DAG) 内の相​​互接続されたステップのセットです。[パイプライン定義 JSON スキーマ](https://aws-sagemaker-mlops.github.io/sagemaker-model-building-pipeline-definition-JSON-schema/)を使用してパイプラインを構築することもできます。この DAG の JSON 定義は、パイプラインの各ステップの要件と関係性に関する情報を提供します。パイプラインの DAG の構造は、ステップ間のデータの依存関係によって決まります。これらのデータ依存関係は、ステップの出力のプロパティが別のステップに入力として渡される際に作成されます。次の図は、パイプライン DAG の例です。

![\[\]](http://docs.aws.amazon.com/ja_jp/sagemaker/latest/dg/images/pipeline-full.png)


**この例の DAG には以下のステップが含まれます。**

1. `AbaloneProcess` は、[処理](https://docs.aws.amazon.com/sagemaker/latest/dg/build-and-manage-steps.html#step-type-processing)ステップのインスタンスで、トレーニングに使用するデータに対して前処理スクリプトを実行します。例えば、このスクリプトを使用して、欠損値の補完入力、数値データの正規化、データのトレーニング、検証、テストデータセットへの分割ができます。

1. `AbaloneTrain` は、[トレーニング](https://docs.aws.amazon.com/sagemaker/latest/dg/build-and-manage-steps.html#step-type-training)ステップのインスタンスで、ハイパーパラメータを設定し、前処理された入力データからモデルをトレーニングします。

1. `AbaloneEval` は、[処理](https://docs.aws.amazon.com/sagemaker/latest/dg/build-and-manage-steps.html#step-type-processing)ステップの別のインスタンスで、モデルの精度を評価します。このステップは、データ依存関係の一例となります。このステップでは、`AbaloneProcess` のテストデータセット出力を使用します。

1. `AbaloneMSECond` は、[条件](https://docs.aws.amazon.com/sagemaker/latest/dg/build-and-manage-steps.html#step-type-condition)ステップのインスタンスで、この例では、モデル評価の平均二乗誤差の結果が特定の制限を下回っていることを確認します。モデルが基準を満たさない場合、パイプラインの実行が停止します。

1. パイプラインの実行は、次のステップで続行します。

   1. `AbaloneRegisterModel` では、SageMaker AI が [RegisterModel](https://docs.aws.amazon.com/sagemaker/latest/dg/build-and-manage-steps.html#step-type-register-model) ステップを呼び出して、モデルをバージョン管理されたモデルパッケージグループとして Amazon SageMaker モデルレジストリに登録します。

   1. `AbaloneCreateModel` では、SageMaker AI が [CreateModel](https://docs.aws.amazon.com/sagemaker/latest/dg/build-and-manage-steps.html#step-type-create-model) ステップを呼び出して、バッチ変換の準備としてモデルを作成します。`AbaloneTransform` では、SageMaker AI が [Transform](https://docs.aws.amazon.com/sagemaker/latest/dg/build-and-manage-steps.html#step-type-transform) ステップを呼び出して、指定したデータセットでモデル予測を生成します。

以降のトピックでは、基本的な Pipelines の概念について説明します。これらの概念の実装を解説したチュートリアルについては、「[Pipelines のアクション](pipelines-build.md)」を参照してください。

**Topics**
+ [パイプラインの構造と実行](build-and-manage-pipeline.md)
+ [IAM アクセス管理](build-and-manage-access.md)
+ [Pipelines のクロスアカウントサポートを設定する](build-and-manage-xaccount.md)
+ [Pipeline のパラメータ](build-and-manage-parameters.md)
+ [Pipelines のステップ](build-and-manage-steps.md)
+ [@step デコレータを使用した Python コードのリフトアンドシフト](pipelines-step-decorator.md)
+ [ステップ間でデータを渡す](build-and-manage-propertyfile.md)
+ [パイプラインのステップのキャッシュ](pipelines-caching.md)
+ [パイプラインのステップの再試行ポリシー](pipelines-retry-policy.md)
+ [パイプラインステップの選択的実行](pipelines-selective-ex.md)
+ [Amazon SageMaker Pipelines の ClarifyCheck と QualityCheck のステップを使用したベースライン計算、ドリフト検出、ライフサイクル](pipelines-quality-clarify-baseline-lifecycle.md)
+ [パイプライン実行をスケジュールする](pipeline-eventbridge.md)
+ [Amazon SageMaker Experiments の統合](pipelines-experiments.md)
+ [ローカルモードを使用してパイプラインを実行する](pipelines-local-mode.md)
+ [Amazon SageMaker Pipelines のトラブルシューティング](pipelines-troubleshooting.md)