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.
SageMaker Flussi di lavoro AI
Man mano che espandi le tue operazioni di machine learning (ML), puoi utilizzare i servizi di flusso di lavoro completamente gestiti di Amazon SageMaker AI per implementare pratiche di integrazione e distribuzione continue (CI/CD) per il tuo ciclo di vita ML. Con l’SDK Pipelines, puoi scegliere e integrare le fasi della pipeline in una soluzione unificata che automatizza il processo di creazione del modello dalla preparazione dei dati all’implementazione del modello. Per le architetture basate su Kubernetes, puoi installare gli operatori di intelligenza artificiale sul tuo cluster Kubernetes per creare lavori di SageMaker intelligenza artificiale in modo nativo utilizzando l'API Kubernetes e strumenti Kubernetes a SageMaker riga di comando come. kubectl Con i componenti SageMaker AI per le pipeline Kubeflow, puoi creare e monitorare lavori di intelligenza artificiale nativi dalle tue pipeline Kubeflow. SageMaker I parametri, lo stato e gli output dei job dell' SageMaker IA sono accessibili dall'interfaccia utente di Kubeflow Pipelines. Infine, se desideri pianificare i lavori in batch, puoi utilizzare l'integrazione della coda di lavoro o il servizio di flussi di AWS Batch lavoro basato su notebook Jupyter per avviare esecuzioni autonome o regolari in base a una pianificazione definita.
SageMaker In sintesi, l'IA offre le seguenti tecnologie di flusso di lavoro:
-
Pipelines: strumento per la creazione e la gestione di pipeline ML.
-
Orchestrazione Kubernetes: operatori personalizzati di SageMaker intelligenza artificiale per il cluster Kubernetes e componenti per Kubeflow Pipelines.
-
SageMaker Lavori su notebook: esecuzioni in batch non interattive su richiesta o pianificate del notebook Jupyter.
Puoi anche sfruttare altri servizi che si integrano con l'IA per creare il tuo flusso di lavoro. SageMaker Le opzioni includono i seguenti servizi:
-
Flussi di lavoro Airflow
: SageMaker API per esportare configurazioni per la creazione e la gestione dei flussi di lavoro Airflow. -
AWS Step Functions
: flussi di lavoro Multi-step ML in Python che SageMaker orchestrano l'infrastruttura AI senza dover effettuare il provisioning delle risorse separatamente. -
AWS Batch: invia i lavori di formazione sull' SageMaker IA a una coda di AWS Batch lavoro, dove puoi assegnare priorità e pianificare i lavori da eseguire in un ambiente di calcolo.
Per ulteriori informazioni sulla gestione della SageMaker formazione e dell'inferenza, consulta Amazon Python SDK Workflows. SageMaker
Argomenti
