기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
Amazon SageMaker Pipelines은 Amazon SageMaker Experiments와 긴밀하게 통합되어 있습니다. 기본적으로 Pipelines이 파이프라인을 만들고 실행할 때 다음과 같은 SageMaker Experiments가 존재하지 않는 경우 만들어집니다.
-
파이프라인에 대한 실험
-
파이프라인의 모든 실행을 위한 실행 그룹
-
파이프라인 실행 단계에서 생성된 각 SageMaker AI 작업의 실행 그룹에 추가된 실행
SageMaker AI 모델 훈련 실험의 여러 실행 그룹에서 이러한 지표를 비교할 수 있는 것처럼 여러 파이프라인 실행에서 모델 훈련 정확도와 같은 지표를 비교할 수 있습니다.
다음 샘플은 Amazon SageMaker Python SDK
Pipeline(
name="MyPipeline",
parameters=[...],
pipeline_experiment_config=PipelineExperimentConfig(
ExecutionVariables.PIPELINE_NAME,
ExecutionVariables.PIPELINE_EXECUTION_ID
),
steps=[...]
)파이프라인용으로 실험 및 실행 그룹을 생성하지 않으려면 pipeline_experiment_config을 None으로 설정합니다.
참고
실험 통합은 Amazon SageMaker Python SDK v2.41.0에 도입되었습니다.
pipeline_experiment_config의 ExperimentName및 TrialName파라미터에 대해 지정한 내용에 따라 다음과 같은 이름 지정 규칙이 적용됩니다.
-
ExperimentName을 지정하지 않으면name파이프라인이 실험 이름으로 사용됩니다.ExperimentName을 지정하면 실험 이름으로 사용됩니다. 같은 이름의 실험이 있는 경우 파이프라인에서 만든 실행 그룹은 기존 실험에 추가됩니다. 해당 이름의 실험이 존재하지 않는 경우 새 실험이 생성됩니다. -
TrialName을 지정하지 않으면 파이프라인 실행 ID가 실행 그룹 이름으로 사용됩니다.TrialName을 지정하면 실행 그룹 이름으로 사용됩니다. 같은 이름의 실행 그룹이 있는 경우 파이프라인에서 만든 실행은 기존 실행 그룹에 추가됩니다. 같은 이름의 실행 그룹이 없는 경우 새 실행 그룹이 생성됩니다.
참고
엔터티를 만든 파이프라인이 삭제되어도 실험 엔터티는 삭제되지 않습니다. SageMaker Experiments API를 사용하여 엔터티를 삭제할 수 있습니다.
파이프라인과 연결된 SageMaker AI 실험 엔터티를 보는 방법에 대한 자세한 내용은 섹션을 참조하세요파이프라인에서 실험 데이터에 액세스. SageMaker 실험에 대한 자세한 내용은 Studio Classic의 Amazon SageMaker Experiments섹션을 참조하세요.
다음 섹션에서는 이전 규칙의 예시와 파이프라인 정의 파일에서 어떻게 표현되는지 보여줍니다. 파이프라인 정의 파일에 대한 자세한 내용은 Pipelines 개요섹션을 참조하세요.
