Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
SageMaker MLOpsPanduan Proyek Menggunakan Repo Git Pihak Ketiga
penting
Per 30 November 2023, pengalaman Amazon SageMaker Studio sebelumnya sekarang bernama Amazon SageMaker Studio Classic. Bagian berikut khusus untuk menggunakan aplikasi Studio Classic. Untuk informasi tentang menggunakan pengalaman Studio yang diperbarui, lihat SageMaker Studio Amazon.
Panduan ini menggunakan template MLOpstemplate untuk pembuatan model, pelatihan, dan penerapan dengan repositori Git pihak ketiga menggunakan CodePipeline untuk mendemonstrasikan cara menggunakan MLOps proyek untuk membuat sistem CI/CD untuk membangun, melatih, dan menerapkan model.
Prasyarat
Untuk menyelesaikan panduan ini, Anda perlu:
-
Akun IAM atau Pusat IAM Identitas untuk masuk ke Studio Classic. Untuk informasi, lihat Ikhtisar SageMaker domain Amazon.
-
Izin untuk menggunakan templat proyek SageMaker yang disediakan. Untuk informasi, lihat SageMaker Izin Studio Diperlukan untuk Menggunakan Proyek.
-
Keakraban dasar dengan antarmuka pengguna Studio Classic. Untuk informasi, lihat Ikhtisar UI Amazon SageMaker Studio Classic.
-
Dua GitHub repositori diinisialisasi dengan file. README Anda memasukkan repositori ini ke dalam template proyek, yang akan menyemai repo ini dengan model build dan deploy code.
Topik
Langkah 1: Siapkan GitHub koneksi
Pada langkah ini, Anda terhubung ke GitHub repositori Anda menggunakan koneksi AWS CodeStar . SageMaker Proyek ini menggunakan koneksi ini untuk mengakses repositori kode sumber Anda.
Untuk mengatur GitHub koneksi:
-
Masuk ke CodePipeline konsol di https://console.aws.amazon.com/codepipeline/
-
Di bawah Pengaturan di panel navigasi, pilih Koneksi.
-
Pilih Buat koneksi.
-
Untuk Pilih penyedia, pilih GitHub.
-
Untuk nama Koneksi, masukkan nama.
-
Pilih Connect to GitHub.
-
Jika GitHub aplikasi AWS Connector sebelumnya tidak diinstal, pilih Instal aplikasi baru.
Ini menampilkan daftar semua akun GitHub pribadi dan organisasi tempat Anda memiliki akses.
-
Pilih akun tempat Anda ingin membangun konektivitas untuk digunakan dengan SageMaker proyek dan GitHub repositori.
-
Pilih Konfigurasikan
-
Anda dapat memilih repositori spesifik Anda atau memilih Semua repositori.
-
Pilih Simpan. Saat aplikasi diinstal, Anda akan diarahkan ke GitHub halaman Connect to dan ID penginstalan diisi secara otomatis.
-
Pilih Hubungkan.
-
Tambahkan tag dengan kunci
sagemaker
dan nilaitrue
ke AWS CodeStar koneksi ini. -
Salin koneksi ARN untuk disimpan nanti. Anda menggunakan ARN sebagai parameter dalam langkah pembuatan proyek.
Langkah 2: Buat Proyek
Pada langkah ini, Anda membuat SageMaker MLOps proyek dengan menggunakan template proyek SageMaker yang disediakan untuk membangun, melatih, dan menyebarkan model.
Untuk membuat SageMaker MLOps proyek
-
Masuk ke Studio Classic. Untuk informasi selengkapnya, lihat Ikhtisar SageMaker domain Amazon.
-
Di sidebar Studio Classic, pilih ikon Beranda (
).
-
Pilih Deployment dari menu, lalu pilih Projects.
-
Pilih Buat proyek.
Tab Create project akan muncul.
-
Untuk templat SageMaker proyek, pilih MLOpstemplat untuk pembuatan model, pelatihan, dan penerapan dengan repositori Git pihak ketiga.
-
Pilih Pilih template proyek.
-
Di bawah ModelBuild CodeRepository Info, berikan parameter berikut:
-
Untuk URL, masukkan repositori Git Anda untuk kode build model di https://URL
git-url
format.git. -
Untuk Branch, masukkan cabang yang akan digunakan dari repositori Git Anda untuk aktivitas pipeline.
-
Untuk Nama Repositori Lengkap, masukkan nama repositori Git dalam format
username/repository name
atauorganization/repository name
. -
Untuk Koneksi Codestar ARN, masukkan ARN AWS CodeStar koneksi yang Anda buat di Langkah 1.
-
Sakelar sakelar Kode Sampel memungkinkan Anda memilih apakah akan mengisi repositori dengan kode benih build model. Kita bisa membiarkannya untuk demo ini.
-
-
Di bawah ModelDeploy CodeRepository Info, berikan parameter berikut:
-
Untuk URL, masukkan repositori Git Anda untuk kode penerapan model di https://URL
git-url
format.git. -
Untuk Branch, masukkan cabang yang akan digunakan dari repositori Git Anda untuk aktivitas pipeline.
-
Untuk Nama Repositori Lengkap, masukkan nama repositori Git dalam format
username/repository name
atauorganization/repository name
. -
Untuk Koneksi Codestar ARN, masukkan ARN AWS CodeStar koneksi yang Anda buat di Langkah 1.
-
Sakelar sakelar Kode Sampel memungkinkan Anda memilih apakah akan mengisi repositori dengan kode benih penerapan model. Kita bisa membiarkannya untuk demo ini.
-
-
Pilih Buat Proyek.
Proyek ini muncul di daftar Proyek dengan Status Dibuat.
Langkah 3: Buat Perubahan pada Kode
Sekarang buat perubahan pada kode pipeline yang membangun model dan lakukan perubahan untuk memulai proses pipeline baru. Pipeline run mendaftarkan versi model baru.
Untuk membuat perubahan kode
-
Di GitHub repo build model Anda, navigasikan ke
pipelines/abalone
folder. Klik dua kalipipeline.py
untuk membuka file kode. -
Dalam
pipeline.py
file, temukan baris yang menetapkan jenis instance pelatihan.training_instance_type = ParameterString( name="TrainingInstanceType", default_value="ml.m5.xlarge"
Buka file untuk diedit, ubah
ml.m5.xlarge
keml.m5.large
, lalu komit.
Setelah Anda melakukan perubahan kode, MLOps sistem memulai proses pipeline yang membuat versi model baru. Pada langkah berikutnya, Anda menyetujui versi model baru untuk menerapkannya ke produksi.
Langkah 4: Menyetujui Model
Sekarang Anda menyetujui versi model baru yang dibuat pada langkah sebelumnya untuk memulai penerapan versi model ke titik akhir. SageMaker
Untuk menyetujui versi model
-
Di sidebar Studio Classic, pilih ikon Beranda (
).
-
Pilih Deployment dari menu, lalu pilih Projects.
-
Temukan nama proyek yang Anda buat pada langkah pertama dan klik dua kali untuk membuka tab proyek untuk proyek Anda.
-
Di tab proyek, pilih Grup model, lalu klik dua kali nama grup model yang muncul.
Tab grup model muncul.
-
Di tab grup model, klik dua kali Versi 1. Tab Versi 1 terbuka. Pilih Perbarui status.
-
Dalam kotak dialog Perbarui status versi model model, di daftar tarik-turun Status, pilih Menyetujui lalu pilih Perbarui status.
Menyetujui versi model menyebabkan MLOps sistem menyebarkan model ke pementasan. Untuk melihat titik akhir, pilih tab Endpoints pada tab project.
(Opsional) Langkah 5: Menyebarkan Versi Model ke Produksi
Sekarang Anda dapat menerapkan versi model ke lingkungan produksi.
catatan
Untuk menyelesaikan langkah ini, Anda harus menjadi administrator di domain Studio Classic Anda. Jika Anda bukan administrator, lewati langkah ini.
Untuk menyebarkan versi model ke lingkungan produksi
-
Masuk ke CodePipeline konsol di https://console.aws.amazon.com/codepipeline/
-
Pilih Pipelines, lalu pilih pipeline dengan nama sagemaker-
projectname
-projectid
-modeldeploy, di manaprojectname
adalah nama proyek Anda, danprojectid
adalah ID proyek Anda. -
Di DeployStagingpanggung, pilih Review.
-
Di kotak dialog Tinjau, pilih Menyetujui.
Menyetujui DeployStagingtahapan menyebabkan MLOps sistem menyebarkan model ke produksi. Untuk melihat titik akhir, pilih tab Endpoints pada tab project di Studio Classic.
Langkah 6: Bersihkan Sumber Daya
Untuk menghentikan biaya, bersihkan sumber daya yang dibuat dalam panduan ini.
catatan
Untuk menghapus AWS CloudFormation tumpukan dan bucket Amazon S3, Anda harus menjadi administrator di Studio Classic. Jika Anda bukan administrator, mintalah administrator Anda untuk menyelesaikan langkah-langkah tersebut.
-
Di sidebar Studio Classic, pilih ikon Beranda (
).
-
Pilih Deployment dari menu, lalu pilih Projects.
-
Pilih proyek target dari daftar dropdown. Jika Anda tidak melihat proyek Anda, ketikkan nama proyek dan terapkan filter untuk menemukan proyek Anda.
Pilih proyek Anda untuk melihat detailnya di panel utama.
Pilih Hapus dari menu Tindakan.
-
Konfirmasikan pilihan Anda dengan memilih Hapus dari jendela Hapus Proyek.
Ini menghapus produk yang disediakan oleh Service Catalog yang dibuat oleh proyek. Ini termasuk CodeCommit, CodePipeline, dan CodeBuild sumber daya yang dibuat untuk proyek.
-
Hapus AWS CloudFormation tumpukan yang dibuat proyek. Ada dua tumpukan, satu untuk pementasan dan satu untuk produksi. Nama-nama tumpukan adalah pembuat sagemaker-
projectname
-project-id
-deploy-staging dan sagemaker-projectname
-project-id
-deploy-prod, di manaprojectname
adalah nama proyek Anda, danproject-id
adalah ID proyek Anda.Untuk selengkapnya tentang cara menghapus AWS CloudFormation tumpukan, lihat Menghapus tumpukan di AWS CloudFormation konsol di Panduan AWS CloudFormation Pengguna.
-
Hapus bucket Amazon S3 yang dibuat proyek. Nama bucket adalah sagemaker-project-
project-id
, tempatproject-id
adalah ID proyek Anda.