Seleccione sus preferencias de cookies

Usamos cookies esenciales y herramientas similares que son necesarias para proporcionar nuestro sitio y nuestros servicios. Usamos cookies de rendimiento para recopilar estadísticas anónimas para que podamos entender cómo los clientes usan nuestro sitio y hacer mejoras. Las cookies esenciales no se pueden desactivar, pero puede hacer clic en “Personalizar” o “Rechazar” para rechazar las cookies de rendimiento.

Si está de acuerdo, AWS y los terceros aprobados también utilizarán cookies para proporcionar características útiles del sitio, recordar sus preferencias y mostrar contenido relevante, incluida publicidad relevante. Para aceptar o rechazar todas las cookies no esenciales, haga clic en “Aceptar” o “Rechazar”. Para elegir opciones más detalladas, haga clic en “Personalizar”.

Especificar un nombre de experimento personalizado

Modo de enfoque
Especificar un nombre de experimento personalizado - Amazon SageMaker AI

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.

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.

Aunque el comportamiento predeterminado es usar el nombre de la canalización como nombre del experimento en SageMaker Experimentos, puedes anularlo y especificar un nombre de experimento personalizado en su lugar. Esto puede resultar útil si quiere agrupar varias ejecuciones de canalización en el mismo experimento para facilitar el análisis y la comparación. El nombre del grupo de ejecución seguirá siendo el ID de ejecución predeterminado de la canalización, a menos que también establezca explícitamente un nombre personalizado para ese nombre. En la siguiente sección, se muestra cómo crear una canalización con un nombre de experimento personalizado y dejar el nombre del grupo de ejecución como el ID de ejecución predeterminado.

Cree una canalización

pipeline_name = f"MyPipeline" pipeline = Pipeline( name=pipeline_name, parameters=[...], pipeline_experiment_config=PipelineExperimentConfig( "CustomExperimentName", ExecutionVariables.PIPELINE_EXECUTION_ID ), steps=[step_train] )

Archivo de definición de la canalización

{ ..., "PipelineExperimentConfig": { "ExperimentName": "CustomExperimentName", "TrialName": {"Get": "Execution.PipelineExecutionId"} }, "Steps": [...] }
PrivacidadTérminos del sitioPreferencias de cookies
© 2025, Amazon Web Services, Inc o sus afiliados. Todos los derechos reservados.