アルゴリズムを使用してトレーニングジョブを実行する - Amazon SageMaker
アルゴリズムを使用してトレーニングジョブを実行する (コンソール)アルゴリズムを使用してトレーニングジョブを実行する (API)アルゴリズムを使用してトレーニングジョブを実行する (Amazon SageMaker Python SDK）

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。

アルゴリズムを使用してトレーニングジョブを実行する

Amazon SageMaker コンソール、低レベルの Amazon SageMaker API、または Amazon SageMaker Python SDK を使用して、アルゴリズムリソースを使用してトレーニングジョブを作成できます。

アルゴリズムを使用してトレーニングジョブを実行する (コンソール)

アルゴリズムを使用してトレーニングジョブを実行するには (コンソール)

  1. https://console.aws.amazon.com/sagemaker/ で SageMaker コンソールを開きます。

  2. [Algorithms (アルゴリズム)] を選択します。

  3. [My algorithms (マイアルゴリズム)] タブのリストから作成したアルゴリズムを選択するか、[AWS Marketplace subscriptions (AWS Marketplace サブスクリプション)] タブでサブスクライブしたアルゴリズムを選択します。

  4. [トレーニングジョブの作成] を選択します。

    選択したアルゴリズムが自動的に選択されます。

  5. [トレーニングジョブの作成] ページで、以下の情報を指定します。

    1. [ジョブ名] には、トレーニングジョブの名前を入力します。

    2. IAM ロール では、 でトレーニングジョブを実行するために必要なアクセス許可を持つ IAM ロールを選択するか SageMaker、新しいロールの作成を選択して、 SageMaker が AmazonSageMakerFullAccessマネージドポリシーがアタッチされたロールを作成できるようにします。詳細については、「 SageMaker 実行ロールの使用方法」を参照してください。

    3. [リソース設定] では、以下の情報を指定します。

      1. [インスタンスタイプ] では、トレーニングに使用するインスタンスタイプを選択します。

      2. [インスタンス数] には、トレーニングジョブに使用する ML インスタンス数を入力します。

      3. [インスタンスあたりのボリュームサイズ (GB)] には、プロビジョニングする ML ストレージボリュームのサイズを入力します。ML ストレージボリュームには、モデルアーティファクトと増分ステートが保存されます。

      4. 暗号化キー で、Amazon が AWS Key Management Service キー SageMaker を使用してトレーニングインスタンスにアタッチされた ML ストレージボリューム内のデータを暗号化する場合は、キーを指定します。

      5. [停止条件] には、トレーニングジョブの最大実行時間を秒数、分数、時間数、または日数で指定します。

    4. [VPC] には、トレーニングコンテナにアクセス権を付与する Amazon VPC を選択します。詳細については、「 SageMaker トレーニングジョブに Amazon VPC 内のリソースへのアクセスを許可する」を参照してください。

    5. [ハイパーパラメータ] には、トレーニングジョブに使用するハイパーパラメータの値を指定します。

    6. [入力データ設定] には、トレーニングジョブに使用する入力データのチャネルごとに以下の値を指定します。アルゴリズムの [アルゴリズムの要約] ページの [チャネル仕様] セクションでは、トレーニングのサポートに使用しているアルゴリズムのチャネル、コンテンツタイプ、サポートされる圧縮タイプ、サポートされる入力モードを確認できます。

      1. [チャネル名] には、入力チャネルの名前を入力します。

      2. [コンテンツタイプ] には、アルゴリズムがチャネルに期待するデータのコンテンツタイプを入力します。

      3. [圧縮タイプ] では、使用するデータ圧縮タイプがあればそれを選択します。

      4. [レコードラッパー] では、アルゴリズムで RecordIO 形式のデータが必要な場合に [RecordIO] を選択します。

      5. [S3 データタイプ]、[S3 データディストリビューションタイプ]、および [S3 の場所] には、適切な値を指定します。これらの値の意味については、S3DataSourceを参照してください。

      6. [入力モード] では、プロビジョニングされた ML ストレージボリュームからデータをダウンロードし、ディレクトリを Docker ボリュームにマウントする場合に [ファイル] を選択します。Amazon S3 からコンテナに直接データをストリーミングする場合は [Pipe (パイプ)] を選択します。

      7. 別の入力チャネルを追加するには、[チャネルの追加] を選択します。入力チャネルの追加が完了したら、[完了] を選択します。

    7. [出力] 場所には、以下の値を指定します。

      1. [S3 出力パス] では、トレーニングジョブがモデルアーティファクトなどの出力を保存する S3 の場所を選択します。

        注記

        この場所に保存されているモデルアーティファクトを使用して、このトレーニングジョブからモデルまたはモデルパッケージを作成します。

      2. 暗号化キー の場合、 AWS KMS キー SageMaker を使用して S3 の場所に保存されている出力データを暗号化する場合。

    8. [タグ] には、トレーニングジョブを管理するためのタグを 1 つ以上指定します。各タグは、キー、および値 (オプション) で構成されます。タグキーはリソースごとに一意である必要があります。

    9. [トレーニングジョブの作成] を選択して、トレーニングジョブを実行します。

アルゴリズムを使用してトレーニングジョブを実行する (API)

SageMaker API を使用してアルゴリズムを使用してトレーニングジョブを実行するには、 に渡すAlgorithmSpecificationオブジェクトの AlgorithmNameフィールドとして、名前または Amazon リソースネーム (ARN) を指定しますCreateTrainingJob。でのモデルのトレーニングについては、 SageMaker「」を参照してくださいAmazon でモデルをトレーニングする SageMaker。

アルゴリズムを使用してトレーニングジョブを実行する (Amazon SageMaker Python SDK）

で作成またはサブスクライブしたアルゴリズムを使用してトレーニングジョブ AWS Marketplace を作成し、 AlgorithmEstimator オブジェクトを作成し、Amazon リソースネーム (ARN) またはアルゴリズムの名前をalgorithm_arn引数の値として指定します。その後、推定器の fit メソッドを呼び出します。例:

from sagemaker import AlgorithmEstimator
data_path = os.path.join(DATA_DIR, 'marketplace', 'training')

algo = AlgorithmEstimator(
algorithm_arn='arn:aws:sagemaker:us-east-2:012345678901:algorithm/my-algorithm',
        role='SageMakerRole',
        instance_count=1,
        instance_type='ml.c4.xlarge',
        sagemaker_session=sagemaker_session,
        base_job_name='test-marketplace')

train_input = algo.sagemaker_session.upload_data(
path=data_path, key_prefix='integ-test-data/marketplace/train')

algo.fit({'training': train_input})