기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

모범 사례

다음 섹션에서는 파이프라인 단계에 @step 데코레이터를 사용할 때 따라야 할 모범 사례를 제안합니다.

웜 풀 사용

더 빠른 파이프라인 단계 실행을 위해 훈련 작업에 제공되는 웜 풀 기능을 사용합니다. 다음 코드 조각에 설명된 대로 @step 데코레이터에 keep_alive_period_in_seconds 인수를 제공하여 웜 풀 기능을 켤 수 있습니다.

@step(
   keep_alive_period_in_seconds=900
)

웜 풀에 대한 자세한 정보는 SageMaker AI 관리형 웜 풀 부문을 참조하세요.

디렉터리 구조 지정

@step 데코레이터를 사용하는 동안 코드 모듈을 사용하는 것이 좋습니다. 단계 함수를 간접 호출하고 파이프라인을 정의하는 pipeline.py 모듈을 워크스페이스의 루트에 놓습니다. 권장하는 구조는 다음과 같습니다.

.
├── config.yaml # the configuration file that define the infra settings
├── requirements.txt # dependencies
├── pipeline.py  # invoke @step-decorated functions and define the pipeline here
├── steps/
| ├── processing.py
| ├── train.py
├── data/
├── test/

직렬화된 데이터 보호

@step 데코레이터는 함수 입력 및 출력을 Amazon S3에 저장합니다. 기본적으로 SageMaker AI는 기본 버킷을 사용합니다. 계정의 다른 프로젝트 또는 사용자가이 버킷을 공유할 수 있습니다.

파이프라인 데이터를 안전하게 유지하려면 SageMaker AI 구성 파일에 S3RootUri를 설정합니다. 파이프라인에서만 사용하는 버킷을 사용합니다. 다음 예제에서는이 값을 설정하는 방법을 보여줍니다.

SchemaVersion: '1.0'
SageMaker:
  PythonSDK:
    Modules:
      RemoteFunction:
        S3RootUri: 's3://amzn-s3-demo-bucket/pipeline-data'

구성 파일에 대한 자세한 내용은 구성 파일을 참조하세요.