파이프라인 실행 - Amazon SageMaker
로컬에서 실행되는 파이프라인에서 결과 검색로컬에서 파이프라인 실행

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

파이프라인 실행

다음 페이지에서는 Amazon SageMaker Pipelines에서 리소스를 사용하거나 로컬로 파이프라인을 SageMaker 실행하는 방법을 설명합니다.

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

참고

@step 데코레이터를 사용하여 정의된 단계는 훈련 작업으로 실행됩니다. 따라서 다음 제한 사항에 유의하세요.

  • 계정의 인스턴스 제한 및 훈련 작업 제한. 제한 또는 리소스 제한 문제를 방지하려면 그에 따라 제한을 업데이트합니다.

  • 파이프라인에서 훈련 단계의 모든 실행과 관련된 금전적 비용입니다. 자세한 내용은 Amazon SageMaker 요금 섹션을 참조하세요.

로컬에서 실행되는 파이프라인에서 결과 검색

파이프라인 실행의 모든 단계의 결과를 보려면 다음 조각과 같이 execution.result()를 사용합니다.

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

파이프라인은 로컬 execution.result() 모드에서 지원되지 않습니다.

한 번에 한 단계의 결과만 검색할 수 있습니다. 에서 단계 이름을 생성한 경우 다음과 list_steps 같이 를 호출하여 단계 이름을 검색할 SageMaker수 있습니다.

execution.list_step()

로컬에서 파이프라인 실행

기존 파이프라인 단계와 마찬가지로 로컬에서 @step장식 단계를 사용하여 파이프라인을 실행할 수 있습니다. 로컬 모드 파이프라인 실행에 대한 자세한 내용은 섹션을 참조하세요로컬 모드를 사용하여 파이프라인 실행. 로컬 모드를 사용하려면 다음 예제와 같이 파이프라인 정의SageMakerSession에 LocalPipelineSession 대신 를 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()