Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Adición de un paso
A continuación, se describen los requisitos de cada tipo de paso y se proporciona un ejemplo de implementación del paso, así como la forma de añadirlo a Canalizaciones. No son implementaciones funcionales porque no proporcionan los recursos y las entradas necesarios. Para ver un tutorial que implemente estos pasos, consulteAcciones de canalizaciones.
nota
También puede crear un paso a partir del código de machine learning local convirtiéndolo en un paso de Canalizaciones con el decorador @step
. Para obtener más información, consulte Decorador @step.
Amazon SageMaker Pipelines admite los siguientes tipos de pasos:
Decorador @step
Si quiere organizar un trabajo de aprendizaje automático personalizado que aproveche las funciones avanzadas de SageMaker IA u otros AWS servicios de la interfaz de usuario de drag-and-drop Pipelines, utilice el. paso de ejecución del código
Puede crear un paso a partir del código de machine learning local mediante el decorador @step
. Después de probar el código, puedes convertir la función en un paso de una canalización de SageMaker IA anotándolo con el decorador. @step
Canalizaciones crea y ejecuta una canalización al pasar el resultado de la función decorada con@step
como paso a la canalización. También puedes crear una canalización de DAG de varios pasos que incluya una o más funciones @step
decoradas, así como los pasos de una canalización de IA tradicional SageMaker . Para obtener más información sobre cómo crear un paso con el decorador @step
, consulte Lift-and-shift Código Python con el decorador @step.
En la drag-and-drop interfaz de usuario de Pipelines, puedes usar un paso de ejecución de código para ejecutar tu propio código como paso de canalización. Puede cargar una función, un script o un cuaderno de Python para que se ejecute como parte de su canalización. Deberías usar este paso si quieres organizar un trabajo de aprendizaje automático personalizado que aproveche las funciones avanzadas de SageMaker IA u otros servicios. AWS
El paso Execute Code carga los archivos a tu bucket de Amazon S3 predeterminado para Amazon SageMaker AI. Es posible que este bucket no tenga establecidos los permisos de uso compartido de recursos entre orígenes (CORS). Para obtener más información sobre cómo configurar permisos de CORS, consulte Requisito de CORS para datos de imagen de entrada.
El paso Ejecutar código utiliza un trabajo de SageMaker formación de Amazon para ejecutar el código. Asegúrese de que su rol de IAM tenga los permisos de la API sagemaker:DescribeTrainingJob
y sagemaker:CreateTrainingJob
. Para obtener más información sobre todos los permisos necesarios para Amazon SageMaker AI y cómo configurarlos, consultePermisos de la API de Amazon SageMaker AI: referencia sobre acciones, permisos y recursos.
Para añadir un paso de ejecución de código a una canalización mediante el diseñador de canalizaciones, haga lo siguiente:
-
Abre la consola de Amazon SageMaker Studio siguiendo las instrucciones deLanza Amazon SageMaker Studio.
-
En el panel de navegación izquierdo, seleccione Canalizaciones.
-
Seleccione Crear.
-
Seleccione En blanco.
-
En la barra lateral izquierda, seleccione Ejecutar código y arrástrelo al lienzo.
-
En el lienzo, elige el paso Ejecutar código que ha añadido.
-
En la barra lateral derecha, complete los formularios de las pestañas Configuración y Detalles.
-
Puede cargar un solo archivo para ejecutarlo o cargar una carpeta comprimida que contenga varios artefactos.
-
Para cargar un solo archivo, puede proporcionar parámetros opcionales para cuadernos, funciones de Python o scripts.
-
Al proporcionar funciones de Python, se debe proporcionar un controlador en el formato
file.py:
.<function_name>
-
Para cargar carpetas comprimidas, se deben proporcionar las rutas relativas al código y, si lo desea, puede proporcionar las rutas a un archivo
requirements.txt
o script de inicialización dentro de la carpeta comprimida. -
Si el lienzo incluye algún paso que preceda inmediatamente al paso Ejecutar código que ha añadido, haga clic y arrastre el cursor desde el paso hasta el paso Ejecutar código para crear un borde.
-
Si el lienzo incluye algún paso que siga inmediatamente al paso Ejecutar código que ha añadido, haga clic y arrastre el cursor desde el paso Ejecutar código hasta el paso para crear un borde. Se puede hacer referencia a los resultados de los pasos Ejecutar código para las funciones de Python.
Utilice un paso de procesamiento para crear un trabajo de procesamiento para el procesamiento de datos. Para obtener más información sobre los trabajos de procesamiento, consulte Process Data and Evaluate Models.
Puede usar un paso de entrenamiento para crear un trabajo de entrenamiento para entrenar un modelo. Para obtener más información sobre los trabajos de formación, consulte Entrenar a un modelo con Amazon SageMaker AI.
Un paso de entrenamiento requiere un estimador, así como la introducción y la validación de los datos de entrenamiento.
Se utiliza un paso de ajuste para crear un trabajo de ajuste de hiperparámetros, también conocido como optimización de hiperparámetros (HPO). Un trabajo de ajuste de hiperparámetros ejecuta varios trabajos de entrenamiento, cada uno de los cuales produce una versión del modelo. Para obtener más información sobre el ajuste de hiperparámetros, consulte Ajuste automático de modelos con IA SageMaker .
El trabajo de ajuste está asociado con el experimento de SageMaker IA que se está llevando a cabo, y los trabajos de formación se crean a modo de pruebas. Para obtener más información, consulte Integración de experimentos.
Un paso de ajuste requiere una HyperparameterTunerwarm_start_config
del HyperparameterTuner
. Para obtener más información sobre el inicio en caliente y el ajuste de hiperparámetros, consulte Ejecución de un trabajo de ajuste de hiperparámetros de inicio en caliente.
Se utiliza el método get_top_model_s3_uri del sagemaker.workflow.steps
importante
Los pasos de ajuste se introdujeron en Amazon SageMaker Python SDK v2.48.0 y Amazon SageMaker Studio Classic v3.8.0. Debe actualizar Studio Classic antes de utilizar un paso de ajuste o no aparecerá el DAG de canalización. Para actualizar Studio Classic, consulte Cierre y actualice SageMaker Studio Classic.
El siguiente ejemplo muestra cómo crear una definición de TuningStep
.
from sagemaker.workflow.pipeline_context import PipelineSession from sagemaker.tuner import HyperparameterTuner from sagemaker.inputs import TrainingInput from sagemaker.workflow.steps import TuningStep tuner = HyperparameterTuner(..., sagemaker_session=PipelineSession()) step_tuning = TuningStep( name = "HPTuning", step_args = tuner.fit(inputs=TrainingInput(s3_data="s3://
amzn-s3-demo-bucket/my-data
")) )
Obtención de la mejor versión del modelo
El siguiente ejemplo muestra cómo obtener la mejor versión del modelo a partir del trabajo de ajuste mediante el método get_top_model_s3_uri
. A lo sumo, las 50 versiones con mejor rendimiento están disponibles clasificadas según. HyperParameterTuningJobObjective El argumento top_k
es un índice de las versiones, donde top_k=0
es la versión con mejor rendimiento y top_k=49
es la versión con peor rendimiento.
best_model = Model( image_uri=image_uri, model_data=step_tuning.get_top_model_s3_uri( top_k=0, s3_bucket=sagemaker_session.default_bucket() ), ... )
Para obtener más información sobre los requisitos de los pasos de ajuste, consulte sagemaker.workflow.steps. TuningStep
El ajuste fino entrena un modelo básico previamente entrenado de Amazon SageMaker JumpStart en un nuevo conjunto de datos. Este proceso, también conocido como aprendizaje por transferencia, puede producir modelos precisos con conjuntos de datos más pequeños y con menos tiempo de entrenamiento. Al afinar un modelo, puede usar el conjunto de datos predeterminado o elegir sus propios datos. Para obtener más información sobre cómo ajustar con precisión un modelo base, consulte. JumpStart Ajuste de un modelo
El paso de ajuste utiliza un trabajo de SageMaker formación de Amazon para personalizar el modelo. Asegúrese de que su rol de IAM tenga los permisos de API sagemaker:DescribeTrainingJob
y sagemaker:CreateTrainingJob
para ejecutar el trabajo de afinamiento en su canalización. Para obtener más información sobre los permisos necesarios para Amazon SageMaker AI y cómo configurarlos, consultePermisos de la API de Amazon SageMaker AI: referencia sobre acciones, permisos y recursos.
Para añadir un paso del modelo de ajuste preciso a su canalización mediante el drag-and-drop editor, siga estos pasos:
-
Abra la consola de Studio siguiendo las instrucciones de Lanza Amazon SageMaker Studio.
-
En el panel de navegación izquierdo, seleccione Canalizaciones.
-
Seleccione Crear.
-
Seleccione En blanco.
-
En la barra lateral izquierda, seleccione Ajustar modelo de forma más precisa y arrástrelo al lienzo.
-
En el lienzo, elija el paso Ajustar modelo de forma más precisa que ha añadido.
-
En la barra lateral derecha, complete los formularios de las pestañas Configuración y Detalles.
-
Si el lienzo incluye algún paso que preceda inmediatamente al paso Ajustar modelo de forma más precisa que ha añadido, haga clic y arrastre el cursor desde el paso hasta el paso Ajustar modelo de forma más precisa para crear un borde.
-
Si el lienzo incluye algún paso que siga inmediatamente al paso Ajustar modelo de forma más precisa que ha añadido, haga clic y arrastre el cursor desde el paso Ajustar modelo de forma más precisa hasta el paso para crear un borde.
Utilice la API de AutoML
nota
Actualmente, el paso AutoML solo admite el modo de entrenamiento de ensamblaje.
El siguiente ejemplo muestra cómo crear una definición mediante AutoMLStep
.
from sagemaker.workflow.pipeline_context import PipelineSession from sagemaker.workflow.automl_step import AutoMLStep pipeline_session = PipelineSession() auto_ml = AutoML(..., role="
<role>
", target_attribute_name="my_target_attribute_name
", mode="ENSEMBLING
", sagemaker_session=pipeline_session) input_training = AutoMLInput( inputs="s3://amzn-s3-demo-bucket/my-training-data
", target_attribute_name="my_target_attribute_name
", channel_type="training", ) input_validation = AutoMLInput( inputs="s3://amzn-s3-demo-bucket/my-validation-data
", target_attribute_name="my_target_attribute_name
", channel_type="validation", ) step_args = auto_ml.fit( inputs=[input_training, input_validation] ) step_automl = AutoMLStep( name="AutoMLStep", step_args=step_args, )
Obtención de la mejor versión del modelo
El paso AutoML entrena automáticamente a varios candidatos de modelos. Obtenga el modelo con la mejor métrica objetiva del trabajo AutoML utilizando el método get_best_auto_ml_model
siguiente. También debe utilizar un role
de IAM para acceder a los artefactos del modelo.
best_model = step_automl.get_best_auto_ml_model(
role=<role>
)
Para obtener más información, consulte el paso AutoML
Utilice a ModelStep
para crear o registrar un modelo de SageMaker IA. Para obtener más información sobre ModelStep
los requisitos, consulte sagemaker.workflow.model_step. ModelStep
Crear un modelo
Puede usar un ModelStep
para crear un modelo de SageMaker IA. A ModelStep
requiere artefactos del modelo e información sobre el tipo de instancia de SageMaker IA que necesita usar para crear el modelo. Para obtener más información sobre los modelos de SageMaker IA, consulte Entrenar un modelo con Amazon SageMaker AI.
El siguiente ejemplo muestra cómo crear una definición de ModelStep
.
from sagemaker.workflow.pipeline_context import PipelineSession from sagemaker.model import Model from sagemaker.workflow.model_step import ModelStep step_train = TrainingStep(...) model = Model( image_uri=pytorch_estimator.training_image_uri(), model_data=step_train.properties.ModelArtifacts.S3ModelArtifacts, sagemaker_session=PipelineSession(), role=role, ) step_model_create = ModelStep( name="MyModelCreationStep", step_args=model.create(instance_type="ml.m5.xlarge"), )
Registrar un modelo
Puede utilizar un ModelStep
para registrar un sagemaker.model.Model
o un sagemaker.pipeline.PipelineModel
en el Registro de SageMaker modelos de Amazon. Un PipelineModel
representa una canalización de inferencia, que es un modelo compuesto de una secuencia lineal de contenedores que procesan solicitudes de inferencia. Para obtener más información sobre cómo registrar un modelo, consulte Implementación del registro de modelos con el registro de modelos.
El siguiente ejemplo muestra cómo crear un ModelStep
que registre un PipelineModel
.
import time from sagemaker.workflow.pipeline_context import PipelineSession from sagemaker.sklearn import SKLearnModel from sagemaker.xgboost import XGBoostModel pipeline_session = PipelineSession() code_location = 's3://{0}/{1}/code'.format(
bucket_name
, prefix) sklearn_model = SKLearnModel( model_data=processing_step.properties.ProcessingOutputConfig.Outputs['model'].S3Output.S3Uri, entry_point='inference.py', source_dir='sklearn_source_dir/', code_location=code_location, framework_version='1.0-1', role=role, sagemaker_session=pipeline_session, py_version='py3' ) xgboost_model = XGBoostModel( model_data=training_step.properties.ModelArtifacts.S3ModelArtifacts, entry_point='inference.py', source_dir='xgboost_source_dir/', code_location=code_location, framework_version='0.90-2', py_version='py3', sagemaker_session=pipeline_session, role=role ) from sagemaker.workflow.model_step import ModelStep from sagemaker import PipelineModel pipeline_model = PipelineModel( models=[sklearn_model, xgboost_model], role=role,sagemaker_session=pipeline_session, ) register_model_step_args = pipeline_model.register( content_types=["application/json"], response_types=["application/json"], inference_instances=["ml.t2.medium", "ml.m5.xlarge"], transform_instances=["ml.m5.xlarge"], model_package_group_name='sipgroup', ) step_model_registration = ModelStep( name="AbaloneRegisterModel", step_args=register_model_step_args, )
Utilice el paso Crear modelo para crear un modelo de SageMaker IA. Para obtener más información sobre los modelos de SageMaker IA, consulteEntrena a un modelo con Amazon SageMaker.
El paso de creación del modelo requiere artefactos del modelo e información sobre el tipo de instancia de SageMaker IA que debe usar para crear el modelo. Los siguientes ejemplos muestran cómo crear una definición del paso Crear modelo. Para obtener más información sobre los requisitos de los pasos para crear un modelo, consulta sagemaker.workflow.steps. CreateModelStep
El paso Registrar el modelo registra un modelo en el Registro de SageMaker modelos.
En el diseñador de canalizaciones, utilice el paso Implementar modelo (punto de conexión) para implementar el modelo en un punto de conexión. Puede crear un nuevo punto de conexión o utilizar un punto de conexión existente. La inferencia en tiempo real es idónea para cargas de trabajo de inferencia con requisitos en tiempo real, interactivos y de baja latencia. Puede implementar su modelo en los servicios de alojamiento de SageMaker IA y obtener un punto final en tiempo real que pueda usarse como inferencia. Estos puntos de conexión están totalmente administrados y admiten escalado automático. Para obtener más información sobre la inferencia en tiempo real en la SageMaker IA, consulte. Inferencia en tiempo real
Antes de añadir un paso del modelo de implementación a su canalización, asegúrese de que su rol de IAM tenga los siguientes permisos:
-
sagemaker:CreateModel
-
sagemaker:CreateEndpointConfig
-
sagemaker:CreateEndpoint
-
sagemaker:UpdateEndpoint
-
sagemaker:DescribeModel
-
sagemaker:DescribeEndpointConfig
-
sagemaker:DescribeEndpoint
Para obtener más información sobre todos los permisos necesarios para la SageMaker IA y cómo configurarlos, consultePermisos de la API de Amazon SageMaker AI: referencia sobre acciones, permisos y recursos.
Para añadir un paso de despliegue modelo a tu canalización en el drag-and-drop editor, sigue estos pasos:
-
Abra la consola de Studio siguiendo las instrucciones de Lanza Amazon SageMaker Studio.
-
En el panel de navegación izquierdo, seleccione Canalizaciones.
-
Seleccione Crear.
-
Seleccione En blanco.
-
En la barra lateral izquierda, seleccione Implementar modelo (punto de conexión) y arrástrelo al lienzo.
-
En el lienzo, elija el paso Implementar modelo (punto de conexión) que ha añadido.
-
En la barra lateral derecha, complete los formularios de las pestañas Configuración y Detalles.
-
Si el lienzo incluye algún paso que precede inmediatamente al paso Implementar modelo (punto de conexión) que ha añadido, haga clic y arrastre el cursor desde el paso hasta el paso Implementar modelo (punto de conexión) para crear un borde.
-
Si el lienzo incluye algún paso que sigue inmediatamente al paso Implementar modelo (punto de conexión) que ha añadido, haga clic y arrastre el cursor desde el paso Implementar modelo (punto de conexión) hasta el paso para crear un borde.
Utilice un paso de transformación por lotes para ejecutar la inferencia en todo un conjunto de datos. Para obtener más información acerca de la transformación por lotes, consulte Transformaciones por lotes con canalizaciones de inferencia.
Un paso de transformación requiere un transformador y los datos sobre los que se ejecutará la transformación por lotes. El siguiente ejemplo muestra cómo crear una definición del paso Transformar. Para obtener más información sobre los requisitos de los pasos de transformación, consulta sagemaker.workflow.steps. TransformStep
Se utiliza un paso de condición para evaluar la condición de las propiedades del paso y evaluar qué acción se debe realizar a continuación en la canalización.
Un paso de condición requiere lo siguiente:
-
Una lista de condiciones.
-
Una lista de pasos que se van a ejecutar si la condición se evalúa en
true
. -
Una lista de pasos que se van a ejecutar si la condición se evalúa en
false
.
Utilice un Callback
paso para añadir procesos y AWS servicios adicionales a su flujo de trabajo que Amazon SageMaker Pipelines no proporcione directamente. Cuando se ejecuta un paso Callback
, se lleva a cabo el siguiente procedimiento:
-
Canalizaciones envía un mensaje a una cola de Amazon Simple Queue Service (Amazon SQS) especificada por el cliente. El mensaje contiene un token generado por Canalizaciones y una lista de parámetros de entrada proporcionada por el cliente. Tras enviar el mensaje, Canalizaciones espera una respuesta del cliente.
-
El cliente recupera el mensaje de la cola de Amazon SQS e inicia su proceso personalizado.
-
Cuando finaliza el proceso, el cliente llama a una de las siguientes direcciones APIs y envía el token generado por Pipelines:
-
SendPipelineExecutionStepSuccess, junto con una lista de parámetros de salida
-
SendPipelineExecutionStepFailure, junto con el motivo del fallo
-
-
La llamada a la API hace que Canalizaciones continúe con el proceso de canalización o produzcan un error.
Para obtener más información sobre los requisitos de los Callback
pasos, consulte sagemaker.workflow.callback_step. CallbackStep
importante
Callback
los pasos se introdujeron en Amazon SageMaker Python SDK v2.45.0 y Amazon SageMaker Studio Classic v3.6.2. Debe actualizar Studio Classic antes de utilizar un paso Callback
o no aparecerá el DAG de canalización. Para actualizar Studio Classic, consulte Cierre y actualice SageMaker Studio Classic.
En el siguiente ejemplo, se muestra una implementación del procedimiento anterior.
from sagemaker.workflow.callback_step import CallbackStep step_callback = CallbackStep( name="MyCallbackStep", sqs_queue_url="https://sqs.us-east-2.amazonaws.com/012345678901/MyCallbackQueue", inputs={...}, outputs=[...] ) callback_handler_code = ' import boto3 import json def handler(event, context): sagemaker_client=boto3.client("sagemaker") for record in event["Records"]: payload=json.loads(record["body"]) token=payload["token"] # Custom processing # Call SageMaker AI to complete the step sagemaker_client.send_pipeline_execution_step_success( CallbackToken=token, OutputParameters={...} ) '
nota
Los parámetros de salida para CallbackStep
no deben estar anidados. Por ejemplo, si utiliza un diccionario anidado como parámetro de salida, el diccionario se trata como una cadena única (p. ej. {"output1": "{\"nested_output1\":\"my-output\"}"}
). Si proporciona un valor anidado, cuando intenta hacer referencia a un parámetro de salida concreto, la SageMaker IA arroja un error de cliente que no se puede volver a intentar.
Comportamiento de detención
Un proceso de canalización no se detiene mientras se ejecuta un paso Callback
.
Cuando llamas a un proceso de canalización con un Callback
paso StopPipelineExecutionen ejecución, Pipelines envía un mensaje de Amazon SQS a la cola de SQS. El cuerpo del mensaje de SQS contiene un campo Estado, que se establece en Stopping
. En el siguiente ejemplo se muestra un cuerpo de mensaje SQS.
{ "token": "26vcYbeWsZ", "pipelineExecutionArn": "arn:aws:sagemaker:us-east-2:012345678901:pipeline/callback-pipeline/execution/7pinimwddh3a", "arguments": { "number": 5, "stringArg": "some-arg", "inputData": "s3://sagemaker-us-west-2-012345678901/abalone/abalone-dataset.csv" }, "status": "Stopping" }
Debe añadir lógica a su consumidor de mensajes de Amazon SQS para tomar las medidas necesarias (por ejemplo, limpiar los recursos) al recibir el mensaje. A continuación, añada una llamada a SendPipelineExecutionStepSuccess
o SendPipelineExecutionStepFailure
.
Solo cuando Canalizaciones recibe una de estas llamadas detiene el proceso de canalización.
Se utiliza un paso Lambda para ejecutar una AWS Lambda función. Puede ejecutar una función Lambda existente o la SageMaker IA puede crear y ejecutar una función Lambda nueva. Para ver un cuaderno que muestre cómo usar un paso de Lambda en una canalización de SageMaker IA, consulte sagemaker-pipelines-lambda-step .ipynb.
importante
Los pasos de Lambda se introdujeron en Amazon SageMaker Python SDK v2.51.0 y Amazon SageMaker Studio Classic v3.9.1. Debe actualizar Studio Classic antes de utilizar un paso Lambda o no aparecerá el DAG de canalización. Para actualizar Studio Classic, consulte Cierre y actualice SageMaker Studio Classic.
SageMaker AI proporciona la clase SageMaker.Lambda_Helper.Lambda para crear, actualizar, invocar y eliminar funciones LambdaLambda
tiene la siguiente firma.
Lambda( function_arn, # Only required argument to invoke an existing Lambda function # The following arguments are required to create a Lambda function: function_name, execution_role_arn, zipped_code_dir, # Specify either zipped_code_dir and s3_bucket, OR script s3_bucket, # S3 bucket where zipped_code_dir is uploaded script, # Path of Lambda function script handler, # Lambda handler specified as "lambda_script.lambda_handler" timeout, # Maximum time the Lambda function can run before the lambda step fails ... )
El sagemaker.workflow.lambda_step. LambdaSteplambda_func
Lambda
Para invocar una función de Lambda existente, el único requisito es proporcionar el nombre de recurso de Amazon (ARN) de la función al function_arn
. Si no proporciona un valor para function_arn
, debe especificar el handler
y una de las siguientes opciones:
-
zipped_code_dir
: la ruta de la función de Lambda comprimidas3_bucket
: el bucket de Amazon S3 donde se va a cargarzipped_code_dir
-
script
: la ruta del archivo de script de la función de Lambda
El siguiente ejemplo muestra cómo crear una definición de paso Lambda
que invoque una función de Lambda existente.
from sagemaker.workflow.lambda_step import LambdaStep from sagemaker.lambda_helper import Lambda step_lambda = LambdaStep( name="ProcessingLambda", lambda_func=Lambda( function_arn="arn:aws:lambda:us-west-2:012345678910:function:split-dataset-lambda" ), inputs={ s3_bucket = s3_bucket, data_file = data_file }, outputs=[ "train_file", "test_file" ] )
El siguiente ejemplo muestra cómo crear una definición de paso Lambda
que cree e invoque una función de Lambda mediante un script de función de Lambda.
from sagemaker.workflow.lambda_step import LambdaStep from sagemaker.lambda_helper import Lambda step_lambda = LambdaStep( name="ProcessingLambda", lambda_func=Lambda( function_name="split-dataset-lambda", execution_role_arn=execution_role_arn, script="lambda_script.py", handler="lambda_script.lambda_handler", ... ), inputs={ s3_bucket = s3_bucket, data_file = data_file }, outputs=[ "train_file", "test_file" ] )
Entradas y salidas
Si la función Lambda
tiene entradas o salidas, estas también deben definirse en el paso Lambda
.
nota
Los parámetros de entrada y salida no deben estar anidados. Por ejemplo, si utiliza un diccionario anidado como parámetro de salida, el diccionario se trata como una cadena única (p. ej. {"output1": "{\"nested_output1\":\"my-output\"}"}
). Si proporciona un valor anidado e intenta consultarlo más adelante, se produce un error de cliente indicando que no se puede volver a intentar.
Al definir el paso Lambda
, inputs
debe se un diccionario de pares clave-valor. Cada valor del diccionario de inputs
debe ser de un tipo primitivo (cadena, entero o flotante). No se admiten objetos anidados. Si no se define, el valor de inputs
predeterminado es None
.
El valor de outputs
debe ser una lista de claves. Estas claves hacen referencia a un diccionario definido en la salida de la función Lambda
. Como en inputs
, estas claves deben ser de tipos primitivos y no se admiten objetos anidados.
Comportamiento de tiempo de espera y detención
La clase Lambda
tiene un argumento timeout
que especifica el tiempo máximo que puede ejecutarse la función de Lambda. El valor predeterminado es de 120 segundos, con un máximo de 10 minutos. Si la función de Lambda se está ejecutando cuando se alcanza el tiempo de espera, el paso Lambda producirá un erro; sin embargo, la función de Lambda seguirá ejecutándose.
No se puede detener un proceso de canalización mientras se está ejecutando un paso Lambda porque la función de Lambda invocada por el paso Lambda no se puede detener. Si detiene el proceso mientras se ejecuta la función de Lambda, la canalización esperará a que finalice la función o hasta que se agote el tiempo de espera. Esto depende de lo que ocurra primero. A continuación, el proceso se detiene. Si la función de Lambda finaliza, el estado del proceso de canalización es Stopped
. Si se agota el tiempo de espera, el estado del proceso de canalización es Failed
.
Puede utilizar el paso ClarifyCheck
para comprobar la desviación de la referencia con respecto a las líneas de base anteriores para analizar los sesgos y la explicabilidad del modelo. A continuación, puede generar y registrar las líneas de base con el método model.register()
y pasar la salida de ese método a Paso de modelo con step_args
. Amazon SageMaker Model Monitor puede utilizar estas líneas base para la comprobación de desviaciones para los puntos finales de su modelo. Como resultado, no necesita hacer una sugerencia de referencia por separado.
El paso ClarifyCheck
también permite extraer líneas de base para la comprobación de desviaciones del registro del modelo. En este ClarifyCheck
paso se utiliza el contenedor prediseñado de SageMaker Clarify. Este contenedor proporciona una serie de capacidades de supervisión de modelos, incluida la sugerencia de restricciones y la validación de restricciones con respecto a una referencia determinada. Para obtener más información, consulte Contenedores SageMaker Clarify prediseñados.
Configurar el paso ClarifyCheck
Puede configurar el paso ClarifyCheck
para que realice solo uno de los siguientes tipos de comprobaciones cada vez que se utilice en una canalización.
-
Verificación del sesgo de datos
-
Verificación del sesgo del modelo
-
Verificación de la explicabilidad del modelo
Para ello, defina el parámetro clarify_check_config
con uno de los siguientes valores de tipo de comprobación:
-
DataBiasCheckConfig
-
ModelBiasCheckConfig
-
ModelExplainabilityCheckConfig
El ClarifyCheck
paso inicia un trabajo de procesamiento que ejecuta el contenedor prediseñado de SageMaker AI Clarify y requiere configuraciones específicas para la comprobación y el trabajo de procesamiento. ClarifyCheckConfig
y CheckJobConfig
son funciones auxiliares para estas configuraciones. Estas funciones auxiliares están alineadas con la forma en que el trabajo de procesamiento de SageMaker Clarify calcula para comprobar el sesgo del modelo, el sesgo de los datos o la explicabilidad del modelo. Para obtener más información, consulte Ejecute SageMaker Clarify Processing Jobs para analizar los sesgos y facilitar la explicación.
Control del comportamiento del paso para comprobaciones de desviación
El paso ClarifyCheck
requiere los dos indicadores booleanos siguientes para controlar su comportamiento:
-
skip_check
: este parámetro indica si se omite o no la comprobación de desviaciones con respecto a la referencia anterior. Si se establece enFalse
, debe estar disponible la referencia anterior del tipo de comprobación configurado. -
register_new_baseline
: este parámetro indica si se puede acceder a una referencia recién calculada mediante la propiedad de pasoBaselineUsedForDriftCheckConstraints
. Si se establece enFalse
, también debe estar disponible la referencia anterior del tipo de comprobación configurado. Se puede acceder a ella a través de la propiedadBaselineUsedForDriftCheckConstraints
.
Para obtener más información, consulte Cálculo de referencia, detección de desviaciones y ciclo de vida con Amazon SageMaker Pipelines ClarifyCheck y QualityCheck pasos.
Trabajo con líneas de base
Puede especificar model_package_group_name
para localizar la referencia existente. A continuación, el paso ClarifyCheck
extrae DriftCheckBaselines
en el último paquete de modelos aprobado del grupo de paquetes de modelos.
O bien, puede proporcionar una referencia anterior a través del parámetro supplied_baseline_constraints
. Si especifica tanto model_package_group_name
como supplied_baseline_constraints
, el paso ClarifyCheck
utiliza la referencia especificada por el parámetro supplied_baseline_constraints
.
Para obtener más información sobre el uso de los requisitos de los ClarifyCheck
pasos, consulte sagemaker.workflow.steps. ClarifyCheckStepClarifyCheck
step in Pipelines, consulta sagemaker-pipeline-model-monitor-clarify-steps.ipynb
ejemplo Creación de un paso ClarifyCheck
para la comprobación del sesgo de los datos
from sagemaker.workflow.check_job_config import CheckJobConfig from sagemaker.workflow.clarify_check_step import DataBiasCheckConfig, ClarifyCheckStep from sagemaker.workflow.execution_variables import ExecutionVariables check_job_config = CheckJobConfig( role=role, instance_count=1, instance_type="
ml.c5.xlarge
", volume_size_in_gb=120
, sagemaker_session=sagemaker_session, ) data_bias_data_config = DataConfig( s3_data_input_path=step_process.properties.ProcessingOutputConfig.Outputs["train"].S3Output.S3Uri, s3_output_path=Join(on='/', values=['s3:/', your_bucket, base_job_prefix, ExecutionVariables.PIPELINE_EXECUTION_ID, 'databiascheckstep
']), label=0, dataset_type="text/csv
", s3_analysis_config_output_path=data_bias_analysis_cfg_output_path, ) data_bias_config = BiasConfig( label_values_or_threshold=[15.0
], facet_name=[8
], facet_values_or_threshold=[[0.5
]] ) data_bias_check_config = DataBiasCheckConfig( data_config=data_bias_data_config, data_bias_config=data_bias_config, )h data_bias_check_step = ClarifyCheckStep( name="DataBiasCheckStep
", clarify_check_config=data_bias_check_config, check_job_config=check_job_config, skip_check=False, register_new_baseline=False supplied_baseline_constraints="s3://sagemaker-us-west-2-111122223333/baseline/analysis.json
", model_package_group_name="MyModelPackageGroup
" )
Utilice el paso QualityCheck
para realizar sugerencias de referencia y comprobar las desviaciones con respecto a una referencia anterior para determinar la calidad de los datos o la calidad del modelo en una canalización. A continuación, puede generar y registrar las referencias con el método model.register()
y pasar la salida de ese método a Paso de modelo con step_args
.
El monitor de modelos utiliza estas referencias para la comprobación de desviaciones en los puntos de conexión del modelo, de manera que no sea necesario hacer una sugerencia de referencia aparte. El paso QualityCheck
también permite extraer líneas de base para la comprobación de desviaciones del registro del modelo. El QualityCheck
paso aprovecha el contenedor prediseñado de Amazon SageMaker AI Model Monitor. Este contenedor dispone de una serie de funciones de supervisión del modelo que incluyen la sugerencia de restricciones, la generación de estadísticas y la validación de restricciones con respecto a una referencia. Para obtener más información, consulte Contenedor prediseñado de Amazon SageMaker Model Monitor.
Configurar el paso QualityCheck
Puede configurar el paso QualityCheck
para que ejecute solo uno de los siguientes tipos de comprobaciones cada vez que se utilice en una canalización.
-
Verificación de la calidad de los datos
-
Control de la calidad del modelo
Para ello, defina el parámetro quality_check_config
con uno de los siguientes valores de tipo de comprobación:
-
DataQualityCheckConfig
-
ModelQualityCheckConfig
El paso QualityCheck
inicia un trabajo de procesamiento que ejecuta el contenedor prediseñado del monitor de modelos y requiere configuraciones específicas para el trabajo de verificación y procesamiento. QualityCheckConfig
y CheckJobConfig
son funciones auxiliares para estas configuraciones. Estas funciones auxiliares están alineadas con la forma en que el Monitor de modelos crea una referencia para supervisar la calidad del modelo o la calidad de los datos. Para obtener más información sobre las sugerencias de referencia del monitor de modelos, consulte Crear una referencia y Creación de una referencia de calidad del modelo.
Control del comportamiento del paso para comprobaciones de desviación
El paso QualityCheck
requiere los dos indicadores booleanos siguientes para controlar su comportamiento:
-
skip_check
: este parámetro indica si se omite o no la comprobación de desviaciones con respecto a la referencia anterior. Si se establece enFalse
, debe estar disponible la referencia anterior del tipo de comprobación configurado. -
register_new_baseline
: este parámetro indica si se puede acceder a una referencia recién calculada mediante las propiedad de pasoBaselineUsedForDriftCheckConstraints
yBaselineUsedForDriftCheckStatistics
. Si se establece enFalse
, también debe estar disponible la referencia anterior del tipo de comprobación configurado. Se puede acceder a ella a través de las propiedadesBaselineUsedForDriftCheckConstraints
yBaselineUsedForDriftCheckStatistics
.
Para obtener más información, consulte Cálculo de referencia, detección de desviaciones y ciclo de vida con Amazon SageMaker Pipelines ClarifyCheck y QualityCheck pasos.
Trabajo con líneas de base
Puede especificar una referencia anterior directamente a través de los parámetros supplied_baseline_statistics
y supplied_baseline_constraints
. También puede especificar model_package_group_name
y el paso QualityCheck
extrae las DriftCheckBaselines
del paquete de modelos aprobado más reciente del grupo de paquetes de modelos.
Cuando especifica lo siguiente, el paso QualityCheck
utiliza la referencia especificada por supplied_baseline_constraints
y supplied_baseline_statistics
en el tipo de comprobación del paso QualityCheck
.
-
model_package_group_name
-
supplied_baseline_constraints
-
supplied_baseline_statistics
Para obtener más información sobre el uso de los requisitos del QualityCheck
paso, consulte sagemaker.workflow.steps. QualityCheckStepQualityCheck
step in Pipelines, consulta sagemaker-pipeline-model-monitor-clarify-steps.ipynb
ejemplo Creación de un paso QualityCheck
para la comprobación de la calidad de los datos
from sagemaker.workflow.check_job_config import CheckJobConfig from sagemaker.workflow.quality_check_step import DataQualityCheckConfig, QualityCheckStep from sagemaker.workflow.execution_variables import ExecutionVariables check_job_config = CheckJobConfig( role=role, instance_count=1, instance_type="
ml.c5.xlarge
", volume_size_in_gb=120
, sagemaker_session=sagemaker_session, ) data_quality_check_config = DataQualityCheckConfig( baseline_dataset=step_process.properties.ProcessingOutputConfig.Outputs["train
"].S3Output.S3Uri, dataset_format=DatasetFormat.csv(header=False, output_columns_position="START"), output_s3_uri=Join(on='/', values=['s3:/', your_bucket, base_job_prefix, ExecutionVariables.PIPELINE_EXECUTION_ID, 'dataqualitycheckstep']) ) data_quality_check_step = QualityCheckStep( name="DataQualityCheckStep", skip_check=False, register_new_baseline=False, quality_check_config=data_quality_check_config, check_job_config=check_job_config, supplied_baseline_statistics="s3://sagemaker-us-west-2-555555555555/baseline/statistics.json
", supplied_baseline_constraints="s3://sagemaker-us-west-2-555555555555/baseline/constraints.json
", model_package_group_name="MyModelPackageGroup
" )
Utilice el paso EMR de Amazon SageMaker Pipelines para:
-
Procesar los pasos de Amazon EMR en un clúster de Amazon EMR en ejecución.
-
Hacer que la canalización cree y administre un clúster de Amazon EMR por usted.
Para obtener más información sobre Amazon EMR, consulte Introducción a Amazon EMR.
El paso EMR requiere que EMRStepConfig
incluya la ubicación del archivo JAR que utilizará el clúster de Amazon EMR y cualquier argumento que se vaya a pasar. También debe proporcionar el ID del clúster de Amazon EMR si desea ejecutar el paso en un clúster de EMR en ejecución. También puede pasar la configuración del clúster para ejecutar el paso EMR en un clúster que cree, administre y finalice en su nombre. Las siguientes secciones incluyen ejemplos y enlaces a cuadernos de muestra que muestran ambos métodos.
nota
-
Los pasos EMR requieren que el rol transferido a su canalización tenga permisos adicionales. Asocie la política administrada de AWS :
AmazonSageMakerPipelinesIntegrations
a su rol de canalización o asegúrese de que el rol incluya los permisos de esa política. -
El paso EMR no se admite en EMR sin servidor. Tampoco se admite en Amazon EMR en EKS.
-
Si procesa un paso EMR en un clúster en ejecución, solo podrá usar un clúster que se encuentre en uno de los siguientes estados:
-
STARTING
-
BOOTSTRAPPING
-
RUNNING
-
WAITING
-
-
Si procesa los pasos EMR en un clúster en ejecución, puede tener como máximo 256 pasos EMR en un estado
PENDING
en un clúster de EMR. Los pasos EMR enviados por encima de este límite provocan un error en la ejecución de la canalización. Puede plantearse usar Política de reintentos para los pasos de la canalización. -
Especifique el ID del clúster o la configuración del clúster, pero no ambos.
-
El paso de EMR depende de Amazon EventBridge para supervisar los cambios en el paso de EMR o en el estado del clúster. Si procesa su trabajo de Amazon EMR en un clúster en ejecución, el paso EMR utiliza la regla
SageMakerPipelineExecutionEMRStepStatusUpdateRule
para supervisar el estado del paso EMR. Si procesa su trabajo en un clúster que el paso EMR cree en su nombre, el paso usa la reglaSageMakerPipelineExecutionEMRClusterStatusRule
para supervisar los cambios en el estado del clúster. Si ve alguna de estas EventBridge reglas en su AWS cuenta, no la elimine o, de lo contrario, es posible que su paso de EMR no se complete.
Lanzamiento de un nuevo trabajo en un clúster de Amazon EMR en ejecución
Para inicializar un nuevo trabajo en un clúster de Amazon EMR en ejecución, debe pasar el ID del clúster en forma de cadena al argumento cluster_id
del EMRStep
. El siguiente ejemplo demuestra este procedimiento.
from sagemaker.workflow.emr_step import EMRStep, EMRStepConfig emr_config = EMRStepConfig( jar="
jar-location
", # required, path to jar file used args=["--verbose", "--force"], # optional list of arguments to pass to the jar main_class="com.my.Main1", # optional main class, this can be omitted if jar above has a manifest properties=[ # optional list of Java properties that are set when the step runs { "key": "mapred.tasktracker.map.tasks.maximum", "value": "2" }, { "key": "mapreduce.map.sort.spill.percent", "value": "0.90" }, { "key": "mapreduce.tasktracker.reduce.tasks.maximum", "value": "5" } ] ) step_emr = EMRStep ( name="EMRSampleStep", # required cluster_id="j-1ABCDEFG2HIJK", # include cluster_id to use a running cluster step_config=emr_config, # required display_name="My EMR Step", description="Pipeline step to execute EMR job" )
Para ver un ejemplo de cuaderno que le guíe a través de un ejemplo completo, consulte Pipelines EMR Step With Running EMR Cluster
Lanzamiento de un nuevo trabajo en un clúster de Amazon EMR nuevo
Para inicializar un nuevo trabajo en un nuevo clúster que EMRStep
cree para usted, proporcione la configuración de su clúster como diccionario. El diccionario debe tener la misma estructura que una RunJobFlowsolicitud. Sin embargo, no incluya los siguientes campos en la configuración del clúster:
-
[
Name
] -
[
Steps
] -
[
AutoTerminationPolicy
] -
[
Instances
][KeepJobFlowAliveWhenNoSteps
] -
[
Instances
][TerminationProtected
]
Todos los demás argumentos RunJobFlow
están disponibles para su uso en la configuración del clúster. Para obtener más información sobre la sintaxis de la solicitud, consulte RunJobFlow.
El siguiente ejemplo pasa una configuración de clúster a una definición de paso EMR. Esto solicita al paso que inicialice un nuevo trabajo en un nuevo clúster de EMR. La configuración del clúster de EMR de este ejemplo incluye especificaciones para los nodos del clúster de EMR principales y básicos. Para obtener más información sobre los tipos de nodos de Amazon EMR, consulte Descripción de los tipos de nodos: principales, básicos y de tarea.
from sagemaker.workflow.emr_step import EMRStep, EMRStepConfig emr_step_config = EMRStepConfig( jar="
jar-location
", # required, path to jar file used args=["--verbose", "--force"], # optional list of arguments to pass to the jar main_class="com.my.Main1", # optional main class, this can be omitted if jar above has a manifest properties=[ # optional list of Java properties that are set when the step runs { "key": "mapred.tasktracker.map.tasks.maximum", "value": "2" }, { "key": "mapreduce.map.sort.spill.percent", "value": "0.90" }, { "key": "mapreduce.tasktracker.reduce.tasks.maximum", "value": "5" } ] ) # include your cluster configuration as a dictionary emr_cluster_config = { "Applications": [ { "Name": "Spark", } ], "Instances":{ "InstanceGroups":[ { "InstanceRole": "MASTER", "InstanceCount": 1, "InstanceType": "m5.2xlarge" }, { "InstanceRole": "CORE", "InstanceCount": 2, "InstanceType": "m5.2xlarge" } ] }, "BootstrapActions":[], "ReleaseLabel": "emr-6.6.0", "JobFlowRole": "job-flow-role
", "ServiceRole": "service-role
" } emr_step = EMRStep( name="emr-step", cluster_id=None, display_name="emr_step", description="MyEMRStepDescription", step_config=emr_step_config, cluster_config=emr_cluster_config )
Para ver un ejemplo de cuaderno que le guie a través de un ejemplo completo, consulte Pipelines EMR Step With Cluster Lifecycle Management
Utilice NotebookJobStep
a para ejecutar su SageMaker Notebook Job de forma no interactiva como un paso de proceso. Si creas tu canalización en la drag-and-drop interfaz de usuario de Pipelines, úsala paso de ejecución del código para ejecutar tu cuaderno. Para obtener más información sobre SageMaker Notebook Jobs, consulteSageMaker Trabajos de cuaderno.
Un NotebookJobStep
requiere como mínimo un cuaderno de entrada, el URI de la imagen y el nombre del kernel. Para obtener más información sobre los requisitos de los pasos de Notebook Job y otros parámetros que puede configurar para personalizar su paso, consulte sagemaker.workflow.steps. NotebookJobStep
En el siguiente ejemplo, se utilizan los argumentos mínimos para definir un NotebookJobStep
.
from sagemaker.workflow.notebook_job_step import NotebookJobStep notebook_job_step = NotebookJobStep( input_notebook=
input_notebook
, image_uri=image_uri
, kernel_name=kernel_name
)
El paso de la NotebookJobStep
canalización se considera un trabajo de SageMaker cuaderno. Como resultado, realice un seguimiento del estado de ejecución en el panel de trabajos del cuaderno de la IU de Studio Classic incluyendo etiquetas específicas con el argumento tags
. Para obtener más información acerca de las etiquetas que se deben incluir, consulte Consulte los trabajos de cuaderno en el panel de la interfaz de usuario de Studio.
Además, si programa el trabajo del bloc de notas con el SDK de SageMaker Python, solo podrá especificar determinadas imágenes para ejecutar el trabajo del bloc de notas. Para obtener más información, consulte Restricciones de imagen para trabajos de cuadernos del SDK de Python para SageMaker IA.
Utilice un paso de error para detener una ejecución de Amazon SageMaker Pipelines cuando no se alcance la condición o el estado deseados. El paso Error también le permite introducir un mensaje de error personalizado en el que se indique la causa del error de la ejecución de la canalización.
nota
Cuando un paso Error y otros pasos de la canalización se ejecutan al mismo tiempo, la canalización no finaliza hasta que todos los pasos simultáneos se hayan completado.
Limitaciones del uso del paso Error
-
No puede añadir un paso Error a la lista
DependsOn
de otros pasos. Para obtener más información, consulte Dependencia personalizada entre pasos. -
Otros pasos no pueden hacer referencia al paso Error. Es siempre el último paso de la ejecución de una canalización.
-
No se puede volver a intentar ejecutar una canalización que termine con un paso Error.
Puede crear el mensaje del paso Error en forma de cadena de texto estático. Como alternativa, también puede utilizar Parámetros de canalización, una operación de unión