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.

Bewährte Methoden

In den folgenden Abschnitten werden bewährte Methoden vorgeschlagen, die Sie befolgen sollten, wenn Sie den @step Decorator für Ihre Pipeline-Schritte verwenden.

Verwenden Sie warme Pools

Verwenden Sie für schnellere Pipeline-Step-Läufe die Funktion zum Warmpooling, die für Trainingsaufgaben bereitgestellt wird. Sie können die Warm-Pool-Funktionalität aktivieren, indem Sie dem @step Decorator das keep_alive_period_in_seconds Argument zur Verfügung stellen, wie im folgenden Codeausschnitt gezeigt:

@step(
   keep_alive_period_in_seconds=900
)

Weitere Informationen zu Warm-Pools finden Sie unter Trainiere mit SageMaker Managed Warm Pools.

Strukturieren Sie Ihr Verzeichnis

Es wird empfohlen, bei der Verwendung des @step Decorators Codemodule zu verwenden. Platzieren Sie das pipeline.py Modul, in dem Sie die Schrittfunktionen aufrufen und die Pipeline definieren, im Stammverzeichnis des Workspace. Die empfohlene Struktur wird wie folgt dargestellt:

.
├── 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/