MXNet フレームワークプロセッサ

Apache MXNetは、ニューラルネットワークのトレーニングとデプロイに一般的に使用されるオープンソースの深層学習フレームワークです。Amazon SageMaker Python MXNetProcessorの SDK は、MXNetスクリプトを使用して処理ジョブを実行する機能を提供します。を使用する場合MXNetProcessor、Amazon で構築された Docker コンテナをマネージドMXNet環境で活用できるため、独自のコンテナを持ち込む必要はありません。

次のコード例は、 を使用してMXNetProcessor、 によって提供および維持されている Docker イメージを使用して処理ジョブを実行する方法を示しています SageMaker。ジョブを実行するときは、 source_dir引数にスクリプトと依存関係を含むディレクトリを指定でき、処理スクリプトの依存関係を指定するrequirements.txtファイルをsource_dirディレクトリ内に配置できます (複数可）。 SageMaker 処理すると、依存関係がコンテナrequirements.txtにインストールされます。

from sagemaker.mxnet import MXNetProcessor
from sagemaker.processing import ProcessingInput, ProcessingOutput
from sagemaker import get_execution_role

#Initialize the MXNetProcessor
mxp = MXNetProcessor(
    framework_version='1.8.0',
    py_version='py37',
    role=get_execution_role(), 
    instance_count=1,
    instance_type='ml.c5.xlarge',
    base_job_name='frameworkprocessor-mxnet'
)

#Run the processing job
mxp.run(
    code='processing-script.py',
    source_dir='scripts',
    inputs=[
        ProcessingInput(
            input_name='data',
            source=f's3://{BUCKET}/{S3_INPUT_PATH}',
            destination='/opt/ml/processing/input/data/'
        )
    ],
    outputs=[
        ProcessingOutput(
            output_name='processed_data',
            source='/opt/ml/processing/output/',
            destination=f's3://{BUCKET}/{S3_OUTPUT_PATH}'
        )
    ]
)

requirements.txt ファイルがある場合、コンテナにインストールするライブラリのリストである必要があります。のパスは、相対パス、絶対パス、または Amazon S3 URIパスsource_dirにすることができます。ただし、Amazon S3 を使用する場合はURI、tar.gz ファイルを指す必要があります。source_dir に指定したディレクトリには複数のスクリプトを入れることができます。MXNetProcessor クラスの詳細については、Amazon SageMaker Python SDKのMXNet「推定器」を参照してください。