Atributos clave de caché predeterminados por tipo de paso de la canalización - Amazon SageMaker

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.

Atributos clave de caché predeterminados por tipo de paso de la canalización

Al decidir si volver a utilizar un paso de canalización anterior o volver a ejecutarlo, Pipelines comprueba si algunos atributos han cambiado. Si el conjunto de atributos es diferente al de todas las ejecuciones anteriores dentro del período de tiempo de espera, el paso se vuelve a ejecutar. Estos atributos incluyen los artefactos de entrada, la especificación de la aplicación o el algoritmo y las variables del entorno. La siguiente lista muestra cada tipo de paso de la canalización y los atributos que, si se modifican, inician una nueva ejecución del paso. Para obtener más información sobre SDK los parámetros de Python que se utilizan para crear los siguientes atributos, consulte Configuración de almacenamiento en caché en la SDK documentación de Amazon SageMaker Python.

  • AppSpecification

  • Entorno

  • ProcessingInputs. Este atributo contiene información sobre el script de preprocesamiento.

  • AlgorithmSpecification

  • CheckpointConfig

  • DebugHookConfig

  • DebugRuleConfigurations

  • Entorno

  • HyperParameters

  • InputDataConfig. Este atributo contiene información sobre el script de entrenamiento.

  • HyperParameterTuningJobConfig

  • TrainingJobDefinition. Este atributo se compone de varios atributos secundarios, y no todos hacen que el paso se vuelva a ejecutar. Los atributos secundarios que podrían volver a ejecutarse (si se modifican) son:

    • AlgorithmSpecification

    • HyperParameterRanges

    • InputDataConfig

    • StaticHyperParameters

    • TuningObjective

  • TrainingJobDefinitions

  • A utoMLJob Config. Este atributo se compone de varios atributos secundarios, y no todos hacen que el paso se vuelva a ejecutar. Los atributos secundarios que podrían volver a ejecutarse (si se modifican) son:

    • CompletionCriteria

    • CandidateGenerationConfig

    • DataSplitConfig

    • Mode

  • Un utoMLJob objetivo

  • InputDataConfig

  • ProblemType

  • DataProcessing

  • Entorno

  • ModelName

  • TransformInput

  • ClarifyCheckConfig

  • CheckJobConfig

  • SkipCheck

  • RegisterNewBaseline

  • ModelPackageGroupName

  • SuppliedBaselineConstraints

  • QualityCheckConfig

  • CheckJobConfig

  • SkipCheck

  • RegisterNewBaseline

  • ModelPackageGroupName

  • SuppliedBaselineConstraints

  • SuppliedBaselineStatistics

  • ClusterId

  • StepConfig