Flussi di lavoro basati su notebook - Amazon SageMaker

Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Flussi di lavoro basati su notebook

Poiché un notebook job esegue il codice personalizzato, è possibile creare una pipeline che includa una o più fasi di notebook job. I flussi di lavoro ML spesso contengono più fasi, come una fase di elaborazione per la preelaborazione dei dati, una fase di formazione per creare il modello e una fase di valutazione del modello, tra le altre. Un possibile utilizzo dei processi relativi al notebook è la gestione della preelaborazione: prima di iniziare una EMR fase di formazione, potreste avere un notebook che esegue la trasformazione o l'ingestione dei dati, uno che esegue la pulizia dei dati e un altro che esegue la caratterizzazione degli input. Un lavoro eseguito su un notebook può richiedere informazioni relative ai passaggi precedenti della pipeline o alla personalizzazione specificata dall'utente come parametri nel notebook di input. Per esempi che mostrano come passare variabili e parametri di ambiente al notebook e recuperare informazioni dai passaggi precedenti, vedere. Trasmetti informazioni da e verso il tuo notebook step

In un altro caso d'uso, uno dei processi del notebook potrebbe richiamare un altro notebook per eseguire alcune attività durante l'esecuzione del notebook. In questo scenario è necessario specificare questi notebook di origine come dipendenze dalla fase di lavoro del notebook. Per informazioni su come chiamare un altro notebook, vedere. Richiamate un altro notebook nel vostro notebook job

Per visualizzare alcuni taccuini di esempio che mostrano come pianificare i lavori dei notebook con SageMaker PythonSDK, consulta Notebooks di esempio per notebook job.