쿠키 기본 설정 선택

당사는 사이트와 서비스를 제공하는 데 필요한 필수 쿠키 및 유사한 도구를 사용합니다. 고객이 사이트를 어떻게 사용하는지 파악하고 개선할 수 있도록 성능 쿠키를 사용해 익명의 통계를 수집합니다. 필수 쿠키는 비활성화할 수 없지만 '사용자 지정' 또는 ‘거부’를 클릭하여 성능 쿠키를 거부할 수 있습니다.

사용자가 동의하는 경우 AWS와 승인된 제3자도 쿠키를 사용하여 유용한 사이트 기능을 제공하고, 사용자의 기본 설정을 기억하고, 관련 광고를 비롯한 관련 콘텐츠를 표시합니다. 필수가 아닌 모든 쿠키를 수락하거나 거부하려면 ‘수락’ 또는 ‘거부’를 클릭하세요. 더 자세한 내용을 선택하려면 ‘사용자 정의’를 클릭하세요.

파이프라인 실행

포커스 모드
파이프라인 실행 - Amazon SageMaker AI

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

다음 페이지에서는 SageMaker AI 리소스를 사용하거나 로컬에서 Amazon SageMaker SageMaker Pipelines을 사용하여 파이프라인을 실행하는 방법을 설명합니다.

기존 SageMaker AI 파이프라인 실행과 마찬가지로 pipeline.start() 함수로 새 파이프라인 실행을 시작합니다. start() 함수에 대한 자세한 내용은 sagemaker.workflow.pipeline.Pipeline.start를 참조하세요.

참고

@step 데코레이터를 사용하여 정의된 단계는 훈련 작업으로 실행됩니다. 따라서 다음 제한 사항을 고려해야 합니다.

  • 계정의 인스턴스 한도 및 훈련 작업 한도. 스로틀링 또는 리소스 한도 문제를 방지하려면 적절하게 한도를 업데이트합니다.

  • 파이프라인에서 훈련 단계를 실행할 때마다 발생하는 금전적 비용. 자세한 내용은 Amazon SageMaker AI 요금을 참조하세요.

로컬에서 실행되는 파이프라인에서 결과 검색

파이프라인 실행 단계의 결과를 보려면 다음 코드 조각과 같이 execution.result()를 사용합니다.

execution = pipeline.start() execution.result(step_name="train")
참고

Pipelines은 로컬 모드에서 execution.result()를 지원하지 않습니다.

한 번에 한 단계의 결과만 검색할 수 있습니다. SageMaker AI에서 단계 이름을 생성한 경우 다음과 list_steps 같이를 호출하여 단계 이름을 검색할 수 있습니다.

execution.list_step()

로컬에서 파이프라인 실행

기존 파이프라인 단계와 마찬가지로 로컬에서 @step으로 데코레이션된 단계를 사용하여 파이프라인을 실행할 수 있습니다. 로컬 모드 파이프라인 실행에 대한 자세한 내용은 로컬 모드를 사용하여 파이프라인 실행 섹션을 참조하세요. 로컬 모드를 사용하려면 다음 예시와 같이 파이프라인 정의에 SageMakerSession 대신 LocalPipelineSession을 제공합니다.

from sagemaker.workflow.function_step import step from sagemaker.workflow.pipeline import Pipeline from sagemaker.workflow.pipeline_context import LocalPipelineSession @step def train(): training_data = s3.download(....) ... return trained_model step_train_result = train() local_pipeline_session = LocalPipelineSession() local_pipeline = Pipeline( name="<pipeline-name>", steps=[step_train_result], sagemaker_session=local_pipeline_session # needed for local mode ) local_pipeline.create(role_arn="role_arn") # pipeline runs locally execution = local_pipeline.start()
프라이버시사이트 이용 약관쿠키 기본 설정
© 2025, Amazon Web Services, Inc. 또는 계열사. All rights reserved.