Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Bonnes pratiques

Les sections suivantes suggèrent les meilleures pratiques à suivre lorsque vous utilisez le @step décorateur pour les étapes de votre pipeline.

Utilisez des piscines chaudes

Pour accélérer le déroulement des étapes du pipeline, utilisez la fonctionnalité de mise en commun à chaud fournie pour les tâches de formation. Vous pouvez activer la fonctionnalité warm pool en fournissant l'keep_alive_period_in_secondsargument au @step décorateur, comme illustré dans l'extrait suivant :

@step(
   keep_alive_period_in_seconds=900
)

Pour de plus amples informations sur les groupes d'instances pré-initialisées, veuillez consulter SageMaker Piscines d'eau chaude gérées.

Structurez votre répertoire

Il est conseillé d'utiliser des modules de code lors de l'utilisation du @step décorateur. Placez le pipeline.py module, dans lequel vous appelez les fonctions d'étape et définissez le pipeline, à la racine de l'espace de travail. La structure recommandée est présentée comme suit :

.
├── 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/