Información general de canalizaciones - 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.

Información general de canalizaciones

Una canalización de Amazon SageMaker AI es una serie de pasos interconectados en un gráfico acíclico dirigido (DAG) que se definen mediante la drag-and-drop interfaz de usuario o el SDK de Pipelines. También puede crear una canalización utilizando el esquema JSON de definición de canalizaciones. Esta definición de JSON de DAG proporciona información sobre los requisitos y las relaciones entre cada paso de la canalización. La estructura del DAG de una canalización viene determinada por las dependencias de datos entre los pasos. Estas dependencias de datos se crean cuando las propiedades de la salida de un paso se transfieren como entrada a otro paso. En la siguiente imagen, se muestra un ejemplo de DAG de canalización:

Un gráfico acíclico dirigido (DAG) de una canalización de ejemplo.
El DAG de ejemplo incluye los siguientes pasos:

  1. AbaloneProcess, una instancia del paso de procesamiento, ejecuta un script de preprocesamiento de los datos utilizados para el entrenamiento. Por ejemplo, el script podría rellenar los valores que faltan, normalizar los datos numéricos o dividir los datos en conjuntos de datos de entrenamiento, validación y prueba.

  2. AbaloneTrain, una instancia del paso de entrenamiento, configura los hiperparámetros y entrena un modelo a partir de los datos de entrada preprocesados.

  3. AbaloneEval, otra instancia del paso de procesamiento, evalúa la exactitud del modelo. En este paso, se muestra un ejemplo de una dependencia de datos: en este paso se utiliza la salida del conjunto de datos de prueba de AbaloneProcess.

  4. AbaloneMSECondes un ejemplo de un paso de condición que, en este ejemplo, comprueba que el mean-square-error resultado de la evaluación del modelo esté por debajo de un límite determinado. Si el modelo no cumple los criterios, la ejecución de la canalización se detiene.

  5. La ejecución de la canalización realiza los siguientes pasos:

    1. AbaloneRegisterModel, donde SageMaker AI solicita un RegisterModelpaso para registrar el modelo como un grupo de paquetes de modelos versionados en el Registro de SageMaker Modelos de Amazon.

    2. AbaloneCreateModel, donde la SageMaker IA da un CreateModelpaso hacia la creación del modelo como preparación para la transformación por lotes. EnAbaloneTransform, la SageMaker IA invoca un paso de transformación para generar predicciones del modelo en un conjunto de datos que especifique.

En los siguientes temas, se describen los conceptos fundamentales de Canalizaciones. Para ver un tutorial que describe la implementación de estos conceptos, consulte Acciones de canalizaciones.

Temas