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 suporta o 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 sm_job.yaml treinamento 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
-
output_path: é possível especificar onde você está salvando seu modelo em um URL do Amazon S3. -
tensorboard_config: você pode especificar uma configuração TensorBoard relacionada, como o caminho de saída ou o caminho TensorBoard dos registros. -
wait: você pode especificar se está aguardando a conclusão da tarefa ao enviar sua tarefa de treinamento. -
inputs: é possível especificar os caminhos para seus dados de treinamento e validação. A fonte de dados pode ser um sistema de arquivos compartilhado, como o Amazon FSx, ou um URL do Amazon S3. -
additional_estimator_kwargs: ModelTrainer Argumentos adicionais para enviar um trabalho de treinamento para a plataforma de empregos SageMaker de treinamento. Para obter mais informações, consulte Algoritmo ModelTrainer.
