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.

Best practice

Le sezioni seguenti suggeriscono le migliori pratiche da seguire quando si utilizza il @step decoratore per le fasi della pipeline.

Utilizzate piscine calde

Per velocizzare le fasi della pipeline, utilizzate la funzionalità di warm pooling fornita per i lavori di formazione. È possibile attivare la funzionalità warm pool fornendo l'keep_alive_period_in_secondsargomento al @step decoratore, come illustrato nel seguente frammento:

@step(
   keep_alive_period_in_seconds=900
)

Per ulteriori informazioni sui warm pool, consulta SageMaker Piscine calde gestite.

Strutturate la vostra directory

Si consiglia di utilizzare moduli di codice durante l'utilizzo del @step decoratore. Mettete il pipeline.py modulo, in cui richiamate le funzioni dello step e definite la pipeline, alla radice dell'area di lavoro. La struttura consigliata è mostrata come segue:

.
├── 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/