翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
Feature Store Feature Processor パイプラインの作成と実行
機能プロセッサは、機能プロセッサ定義をフルマネージド SageMaker パイプラインに昇格APIsさせるために SDKを提供します。パイプラインの詳細については、「」を参照してくださいパイプラインの概要。の特徴量プロセッサ定義を SageMaker パイプラインに変換するには、特徴量プロセッサ定義to_pipeline
APIで を使用します。Feature Processor Definition の実行をスケジュールし、 CloudWatch メトリクスで運用的にモニタリングし、 と統合 EventBridge してイベントソースまたはサブスクライバーとして機能させることができます。Pipelines で作成されたパイプラインのモニタリングの詳細については、「」を参照してくださいAmazon SageMaker Feature Store Feature Processor パイプラインのモニタリング。
Feature Processor パイプラインを表示するには、「コンソールからパイプライン実行を表示する」を参照してください。
関数にも @remote
デコレータがデコレートされていれば、その設定は Feature Processor パイプラインに引き継がれます。@remote
デコレータを使用して、コンピューティングインスタンスのタイプと数、ランタイムの依存関係、ネットワークとセキュリティの設定などの高度な設定を指定できます。
次の例では、 to_pipeline
と execute
を使用しますAPIs。
from sagemaker.feature_store.feature_processor import ( execute, to_pipeline, describe, TransformationCode ) pipeline_name="feature-processor-pipeline" pipeline_arn = to_pipeline( pipeline_name=pipeline_name, step=transform, transformation_code=TransformationCode(s3_uri="s3://bucket/prefix"), ) pipeline_execution_arn = execute( pipeline_name=pipeline_name )
to_pipeline
API は意味論的にアップサートオペレーションです。パイプラインが既に存在する場合は更新し、存在しない場合はパイプラインを作成します。
to_pipeline
API オプションで、 URIは、特徴量プロセッサ定義を含むファイルを参照して特徴量プロセッサパイプラインに関連付け、機械学習系統の変換関数とそのバージョンを追跡する Amazon S3 を受け入れます SageMaker。
アカウント内のすべての Feature Processor list_pipelines
パイプラインのリストを取得するには、 を使用できますAPI。への後続のリクエストは、パイプラインとスケジュールの詳細を含むがこれらに限定されない、特徴量プロセッサパイプラインに関連する詳細describe
APIを返します。
次の例では、 list_pipelines
と describe
を使用しますAPIs。
from sagemaker.feature_store.feature_processor import list_pipelines, describe feature_processor_pipelines = list_pipelines() pipeline_description = describe( pipeline_name = feature_processor_pipelines[0] )