Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Integrasi SageMaker Eksperimen Amazon
Amazon SageMaker Model Building Pipelines terintegrasi erat dengan Amazon SageMaker Experiments. Secara default, saat SageMaker Pipelines membuat dan mengeksekusi pipeline, entitas SageMaker Eksperimen berikut dibuat jika tidak ada:
-
Eksperimen untuk pipa
-
Grup run untuk setiap eksekusi pipeline
-
Run yang ditambahkan ke grup run untuk setiap SageMaker pekerjaan yang dibuat dalam langkah eksekusi pipeline
Anda dapat membandingkan metrik seperti akurasi pelatihan model di beberapa eksekusi pipeline seperti halnya Anda dapat membandingkan metrik tersebut di beberapa grup lari dari eksperimen pelatihan SageMaker model.
Contoh berikut menunjukkan parameter yang relevan dari kelas Pipeline
Pipeline( name="MyPipeline", parameters=[...], pipeline_experiment_config=PipelineExperimentConfig( ExecutionVariables.PIPELINE_NAME, ExecutionVariables.PIPELINE_EXECUTION_ID ), steps=[...] )
Jika Anda tidak ingin grup eksperimen dan jalankan dibuat untuk pipeline, setel pipeline_experiment_config
keNone
.
catatan
Integrasi eksperimen diperkenalkan di Amazon SageMaker Python SDK v2.41.0.
Aturan penamaan berikut berlaku berdasarkan apa yang Anda tentukan untuk ExperimentName
dan TrialName
parameterpipeline_experiment_config
:
-
Jika Anda tidak menentukan
ExperimentName
, pipelinename
digunakan untuk nama percobaan.Jika Anda menentukan
ExperimentName
, itu digunakan untuk nama percobaan. Jika ada eksperimen dengan nama itu, grup run yang dibuat pipeline akan ditambahkan ke eksperimen yang ada. Jika eksperimen dengan nama itu tidak ada, eksperimen baru dibuat. -
Jika Anda tidak menentukan
TrialName
, ID eksekusi pipeline digunakan untuk nama grup run.Jika Anda menentukan
TrialName
, itu digunakan untuk nama grup run. Jika grup run dengan nama itu ada, proses yang dibuat pipeline akan ditambahkan ke grup run yang ada. Jika grup run dengan nama itu tidak ada, grup run baru akan dibuat.
catatan
Entitas eksperimen tidak dihapus saat pipeline yang membuat entitas dihapus. Anda dapat menggunakan SageMaker Eksperimen API untuk menghapus entitas.
Untuk informasi tentang cara melihat entitas SageMaker Eksperimen yang terkait dengan pipeline, lihatLihat Entitas Eksperimen yang Dibuat oleh SageMaker Pipelines. Untuk informasi lebih lanjut tentang SageMaker Eksperimen, lihatMengelola SageMaker Eksperimen Amazon di Studio Classic.
Bagian berikut menunjukkan contoh aturan sebelumnya dan bagaimana mereka direpresentasikan dalam file definisi pipeline. Untuk informasi selengkapnya tentang file definisi pipeline, lihatSageMaker Ikhtisar Pipelines.
Topik
Perilaku Default
Buat pipeline
pipeline_experiment_config
Itu dihilangkan. ExperimentName
default ke pipa. name
TrialName
default ke ID eksekusi.
pipeline_name = f"MyPipeline" pipeline = Pipeline( name=pipeline_name, parameters=[...], steps=[step_train] )
File definisi saluran pipa
{ "Version": "2020-12-01", "Parameters": [ { "Name": "InputDataSource" }, { "Name": "InstanceCount", "Type": "Integer", "DefaultValue": 1 } ], "PipelineExperimentConfig": { "ExperimentName": {"Get": "Execution.PipelineName"}, "TrialName": {"Get": "Execution.PipelineExecutionId"} }, "Steps": [...] }
Nonaktifkan Integrasi Eksperimen
Buat pipeline
pipeline_experiment_config
ditetapkan ke None
.
pipeline_name = f"MyPipeline" pipeline = Pipeline( name=pipeline_name, parameters=[...], pipeline_experiment_config=None, steps=[step_train] )
File definisi saluran pipa
Ini sama dengan contoh default sebelumnya, tanpa. PipelineExperimentConfig
Tentukan Nama Eksperimen Kustom
Nama eksperimen khusus digunakan. Nama grup run diatur ke ID eksekusi, seperti perilaku default.
Buat pipeline
pipeline_name = f"MyPipeline" pipeline = Pipeline( name=pipeline_name, parameters=[...], pipeline_experiment_config=PipelineExperimentConfig( "CustomExperimentName", ExecutionVariables.PIPELINE_EXECUTION_ID ), steps=[step_train] )
File definisi saluran pipa
{ ..., "PipelineExperimentConfig": { "ExperimentName": "CustomExperimentName", "TrialName": {"Get": "Execution.PipelineExecutionId"} }, "Steps": [...] }
Tentukan Nama Grup Jalankan Kustom
Nama grup run kustom digunakan dan ditambahkan dengan ID eksekusi. Nama eksperimen disetel ke nama pipeline, seperti perilaku default.
Buat pipeline
pipeline_name = f"MyPipeline" pipeline = Pipeline( name=pipeline_name, parameters=[...], pipeline_experiment_config=PipelineExperimentConfig( ExecutionVariables.PIPELINE_NAME, Join(on="-", values=["CustomTrialName", ExecutionVariables.PIPELINE_EXECUTION_ID]) ), steps=[step_train] )
File definisi saluran pipa
{ ..., "PipelineExperimentConfig": { "ExperimentName": {"Get": "Execution.PipelineName"}, "TrialName": { "On": "-", "Values": [ "CustomTrialName", {"Get": "Execution.PipelineExecutionId"} ] } }, "Steps": [...] }