As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Você pode usar o SDK do SageMaker Python para executar sua própria imagem de processamento usando a classe. Processor
O exemplo a seguir mostra como executar seu próprio contêiner de processamento com uma entrada do Amazon Simple Storage Service (Amazon S3) e uma saída para o Amazon S3.
from sagemaker.processing import Processor, ProcessingInput, ProcessingOutput
processor = Processor(image_uri='<your_ecr_image_uri>',
role=role,
instance_count=1,
instance_type="ml.m5.xlarge")
processor.run(inputs=[ProcessingInput(
source='<s3_uri or local path>',
destination='/opt/ml/processing/input_data')],
outputs=[ProcessingOutput(
source='/opt/ml/processing/processed_data',
destination='<s3_uri>')],
)
Em vez de criar o código de processamento na imagem de processamento, é possível fornecer um ScriptProcessor
com sua imagem e o comando que deseja executar com o código que deseja executar dentro desse contêiner. Para obter um exemplo, consulte Executar scripts com seu próprio contêiner de processamento.
Você também pode usar a imagem scikit-learn fornecida pela Amazon SageMaker Processing SKLearnProcessor
para executar scripts scikit-learn. Para ver um exemplo, consulte Executar um trabalho de processamento com scikit-learn.