Führen Sie einen SageMaker Trainingsjob aus - Amazon SageMaker KI
Verwenden Sie Ihr Rezept als SageMaker Trainingsjob

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Führen Sie einen SageMaker Trainingsjob aus

SageMaker HyperPod Recipes unterstützt das Einreichen eines SageMaker Trainingsjobs. Bevor Sie den Schulungsjob einreichen, müssen Sie die Clusterkonfiguration aktualisieren und die entsprechende Umgebung installieren. sm_job.yaml

Verwenden Sie Ihr Rezept als SageMaker Trainingsjob

Sie können Ihr Rezept als SageMaker Trainingsjob verwenden, wenn Sie keinen Cluster hosten. Sie müssen die Konfigurationsdatei für den SageMaker Trainingsjob ändernsm_job.yaml, um Ihr Rezept ausführen zu können.

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: Sie können angeben, wo Sie Ihr Modell auf einem Amazon S3 speichern möchtenURL.

  2. tensorboard_config: Sie können eine TensorBoard zugehörige Konfiguration angeben, z. B. den Ausgabepfad oder den TensorBoard Protokollpfad.

  3. wait: Sie können angeben, ob Sie darauf warten, dass der Job abgeschlossen ist, wenn Sie Ihren Schulungsjob einreichen.

  4. inputs: Sie können die Pfade für Ihre Schulungs- und Validierungsdaten angeben. Die Datenquelle kann aus einem gemeinsam genutzten Dateisystem wie Amazon FSx oder Amazon S3 URL stammen.

  5. additional_estimator_kwargs: Zusätzliche Schätzerargumente für die Einreichung einer Ausbildungsstelle auf der Plattform für SageMaker Ausbildungsangebote. Weitere Informationen finden Sie unter Algorithm Estimator.