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.
A Amazon SageMaker AI coleta informações agregadas sobre o uso de bibliotecas AWS próprias e de código aberto usadas durante o treinamento. SageMaker A IA usa esses metadados agregados para melhorar os serviços e a experiência do cliente.
As seções a seguir fornecem explicações sobre o tipo de metadados que a SageMaker IA coleta e como optar por não participar da coleta de metadados.
Tipos de informação coletados
- Informações de uso
-
Metadados AWS de bibliotecas próprias e de código aberto que são usados com SageMaker treinamento, como aqueles usados para treinamento distribuído, compilação e quantização.
- Erros
-
Erros de comportamento inesperado, incluindo falhas, falhas, cascatas e falhas resultantes da interação com a plataforma de treinamento. SageMaker
Como optar por não participar da coleta de metadados
Você pode optar por não compartilhar metadados agregados com o SageMaker treinamento ao criar um trabalho de treinamento usando a CreateTrainingJob
API. Se você estiver usando o console para criar trabalhos de treinamento, a coleta de metadados fica desativada por padrão.
Importante
Você deve optar por não participar da coleta de metadados para cada trabalho de treinamento enviado. Você também deve optar por cancelar em uma chamada de API, conforme mostrado nos exemplos a seguir. Você não pode optar por não participar por meio de um script de treinamento.
A seção a seguir mostra como você pode optar por não participar da coleta de metadados usando o AWS CLI AWS SDK para Python (Boto3), ou o SDK do SageMaker Python.
Desativar a coleta de metadados usando a AWS Command Line Interface (AWS CLI)
Para desativar a coleta de metadados usando o AWS CLI, defina OPT_OUT_TRACKING
a variável de ambiente como 1
na create-training-job
API, conforme mostrado no exemplo de código a seguir.
aws sagemaker create-training-job \ --training-job-name
your_job_name
\ --algorithm-specification AlgorithmName=your_algorithm_name
\ --output-data-config S3OutputPath=s3://bucket-name/key-name-prefix
\ --resource-config InstanceType=ml.c5.xlarge
, InstanceCount=1
\ --stopping-condition MaxRuntimeInSeconds=100
\ --environment OPT_OUT_TRACKING=1
Opte por não participar da coleta de metadados usando o AWS SDK para Python (Boto3)
Para desativar a coleta de metadados usando o SDK para Python (Boto3), defina a variável de ambiente OPT_OUT_TRACKING
como 1
na API create_training_job
, conforme mostrado no exemplo de código a seguir.
boto3.client('sagemaker').create_training_job( TrainingJobName='
your_training_job
', AlgorithmSpecification={ 'AlgorithmName': 'your_algorithm_name
', 'TrainingInputMode': 'File', }, RoleArn='your_arn
', OutputDataConfig={ 'S3OutputPath': 's3://bucket-name/key-name-prefix
', }, ResourceConfig={ 'InstanceType': 'ml.m4.xlarge
', 'InstanceCount':1
, 'VolumeSizeInGB':123
, }, StoppingCondition={ 'MaxRuntimeInSeconds':123
, }, Environment={ 'OPT_OUT_TRACKING': '1' }, )
Desative a coleta de metadados usando o SDK do SageMaker Python
Para desativar a coleta de metadados usando o SDK do SageMaker Python, defina a OPT_OUT_TRACKING
variável 1
de ambiente como dentro de SageMaker um estimador de IA, conforme mostrado no exemplo de código a seguir.
sagemaker.estimator( image_uri='
path_to_container
', role='rolearn
', instance_count=1
, instance_type='ml.c5.xlarge
', environment={ 'OPT_OUT_TRACKING': '1' }, )
Desativar a coleta de metadados em todas as contas
Se você quiser desativar a coleta de metadados para várias contas, defina uma variável de ambiente para interromper o rastreamento de todas as contas. Você precisa usar o SDK do SageMaker AI Python para desativar a coleta de metadados no nível da conta.
O exemplo de código a seguir mostra como cancelar o rastreamento de todas as contas.
SchemaVersion: '1.0'
SageMaker:
TrainingJob:
Environment:
'OPT_OUT_TRACKING': '1'
Para obter mais informações sobre como desativar o rastreamento em toda a conta, consulte Como configurar e usar padrões com
Mais informações
Se seu serviço downstream depender do treinamento de SageMaker IA
Se você opera um serviço que depende de SageMaker treinamento, é altamente recomendável informar seu cliente sobre a coleta agregada de metadados na plataforma de SageMaker treinamento e apresentar a ele a opção de optar por não participar. Como alternativa, você pode cancelar a coleta de metadados em nome do cliente.
Se você é cliente ou cliente de um serviço que usa treinamento de SageMaker IA
Se você é cliente ou cliente de um serviço que usa SageMaker treinamento, use seu método preferido na seção anterior para cancelar a coleta de metadados.