Executando um trabalho SageMaker de treinamento - SageMaker IA da Amazon
Use sua receita como um trabalho SageMaker de treinamento

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Executando um trabalho SageMaker de treinamento

SageMaker HyperPod O Recipes oferece suporte ao envio de um trabalho SageMaker de treinamento. Antes de enviar a tarefa de treinamento, você deve atualizar a configuração do cluster (sm_job.yaml) e instalar o ambiente correspondente.

Use sua receita como um trabalho SageMaker de treinamento

Você pode usar sua receita como um trabalho de SageMaker treinamento se não estiver hospedando um cluster. Você deve modificar o arquivo de configuração do trabalho de SageMaker treinamentosm_job.yaml,, para executar sua receita.

sm_jobs_config:
  output_path: null 
  tensorboard_config:
    output_path: null 
    container_logs_path: null
  wait: True 
  inputs: 
    s3: 
      train: null
      val: null
    file_system:  
      directory_path: null
  additional_estimator_kwargs: 
    max_run: 1800

  1. output_path: é possível especificar onde você está salvando seu modelo em um URL do Amazon S3.

  2. tensorboard_config: você pode especificar uma configuração TensorBoard relacionada, como o caminho de saída ou o caminho TensorBoard dos registros.

  3. wait: você pode especificar se está aguardando a conclusão da tarefa ao enviar sua tarefa de treinamento.

  4. inputs: é possível especificar os caminhos para seus dados de treinamento e validação. A fonte de dados pode ser de um sistema de arquivos compartilhado, como o Amazon, FSx ou de um URL do Amazon S3.

  5. additional_estimator_kwargs: Argumentos adicionais do estimador para enviar um trabalho de treinamento para a plataforma de empregos de SageMaker treinamento. Para ter mais informações, consulte Algorithm Estimator.